Tools zur Überwachung der Anwendungsleistung (APM) analysieren laufende Software, sodass Teams deren Verhalten im Produktivbetrieb beobachten können: Welche Anfragen sind langsam, welche schlagen fehl, wo wird innerhalb einer Transaktion Zeit verbraucht und wie entwickelt sich der Zustand der Anwendung? Im Gegensatz zur Infrastrukturüberwachung, die lediglich die Serverauslastung meldet, erfasst APM beispielsweise, dass eine bestimmte Datenbankabfrage an einem bestimmten Endpunkt drei Sekunden dauert. Diese Detailgenauigkeit ermöglicht es, ein Problem zu beheben.
Die Instrumentierung erfolgt üblicherweise durch einen Agenten, der in den Anwendungsprozess eingebunden wird und Zeit und Kontext erfasst, während Anfragen Code, Datenbankabfragen und externe Serviceaufrufe durchlaufen. Das Ergebnis ist ein Trace, der den vollständigen Pfad einer Anfrage mit der Dauer jedes einzelnen Schritts aufzeigt. Um den Trace herum werden Metriken angezeigt – aggregierte Zahlen, die Durchsatz, Latenzverteilung und Fehlerrate beschreiben – sowie Protokolle, die detaillierte Informationen zu jedem einzelnen Ereignis enthalten. Diese drei Elemente zusammen bezeichnen die meisten Anbieter heute als Observability.
Die Kategorie hat sich durch verteilte Architekturen und Kosten grundlegend verändert. Als eine Anwendung noch ein einzelner Prozess auf einem Server war, ließ sie sich gut nachvollziehen. Durchläuft eine Anfrage heute ein Dutzend Dienste, ist die Nachverfolgung über diese Dienste hinweg die einzige Möglichkeit, den Zeitablauf zu ermitteln. Gleichzeitig ist das Telemetrievolumen so rasant angestiegen, dass die Kosten für die Datenerfassung zu einem erheblichen Budgetposten geworden sind und die Verwaltung der erfassten Daten nicht mehr nur ein nachträglicher Aspekt, sondern integraler Bestandteil des Betriebs dieser Tools ist.
Das Problem ist, dass sich das Verhalten in der Produktion vom Testverhalten unterscheidet und dass Teams ohne Instrumentierung Probleme nur durch Raten diagnostizieren.
Die eigentliche Ursache der Langsamkeit finden
Wenn Benutzer melden, dass etwas langsam ist, können die möglichen Ursachen Anwendungscode, Datenbankabfragen, externe Dienste und die Infrastruktur betreffen. Die Ablaufverfolgung zeigt, wo die Zeit geblieben ist, anstatt Hypothese für Hypothese ausschließen zu müssen. Das macht den Unterschied zwischen einer Behebung innerhalb einer Stunde und einer Woche aus.
Probleme erkennen, bevor Nutzer sie melden
Warnungen bei Fehlerraten und Latenzschwellenwerten decken Beeinträchtigungen auf, obwohl diese nur einen geringen Anteil der Anfragen betreffen. Die Entdeckung eines Problems durch Monitoring anstatt durch eine Kundenbeschwerde verbessert sowohl die Antwortzeit als auch den Eindruck, den die Nutzer gewinnen.
Die reale Nutzererfahrung verstehen
Serverseitige Zeitmessungen erfassen nicht die tatsächliche Nutzererfahrung, die Netzwerkbedingungen, Browserdarstellung und Geräteleistung umfasst. Berichte zur Echtzeit-Nutzerüberwachung (Real User Monitoring, RUM) über tatsächliche Sitzungen zeigen häufig, dass die Nutzererfahrung deutlich schlechter ist, als die Backend-Metriken vermuten lassen.
Nachweise für die Leistungsarbeit
Optimierung ohne Messung zielt auf das ab, was ein Entwickler vermutet. Profiling-Daten zeigen, wo tatsächlich Zeit verbraucht wird, und das ist in der Regel woanders als erwartet. Dadurch wird die Leistungsoptimierung effizient statt spekulativ.
Vertrauen während des Einsatzes
Der Vergleich von Fehlerraten und Latenzzeiten vor und nach einem Release ermöglicht die schnelle Erkennung von Regressionen und unterstützt fundierte Entscheidungen für Rollbacks. Für Teams, die häufig Releases durchführen, gewährleistet dieser Feedback-Mechanismus die Sicherheit dieser Frequenz.
Das Publikum umfasst Ingenieure und zunehmend auch die von der Leistung betroffenen Unternehmensfunktionen.
Anwendungsentwickler
Entwickler nutzen APM, um Probleme in ihren eigenen Diensten zu diagnostizieren, das Verhalten in der Produktionsumgebung zu verstehen und Leistungsänderungen zu validieren. Ihre Anforderung ist, dass ein Trace zu einer bestimmten Codezeile oder Abfrage führt und nicht zu einem allgemeinen Bereich, und dass der Agent die Anwendung nicht spürbar verlangsamt.
Anlagenzuverlässigkeits- und Betriebsingenieure
Zuverlässigkeitsteams überwachen den allgemeinen Systemzustand, verwalten Warnmeldungen und leiten die Reaktion auf Störungen. Ihr anhaltendes Problem ist die Qualität der Warnmeldungen: Zu viele Warnmeldungen führen zu einer Überlastung, zu wenige übersehen tatsächliche Beeinträchtigungen, und die Optimierung erfordert kontinuierliche Arbeit und ist keine einmalige Einrichtungsaufgabe.
Plattform- und DevOps-Teams
Diese Teams implementieren und warten die Überwachungsinfrastruktur, steuern die Agentenbereitstellung und kontrollieren zunehmend die Telemetriekosten. Die Verwaltung des Datenvolumens ist mit den gestiegenen Preisen für die Datenerfassung zu einem wichtigen Bestandteil ihrer Tätigkeit geworden.
Technische Leitung
Die Manager überwachen Zuverlässigkeitstrends, die Häufigkeit von Vorfällen und die Leistungsverbesserung. Da sie auch die Budgetverantwortung tragen, ist das Verhältnis zwischen Telemetrievolumen und Kosten für sie von zentraler Bedeutung.
Produkt- und Geschäftsbeteiligte
Produktteams achten darauf, wo die Performance Konversion und Nutzerinteraktion beeinflusst, da langsame Seiten beides messbar reduzieren. Die Verknüpfung technischer Kennzahlen mit Geschäftsergebnissen macht APM von einem Kostenfaktor für die Entwicklung zu einem gemeinsamen Anliegen.
Die Kategorie umfasst mehrere Ansätze, die sich weitgehend überschneiden.
-
Full-Stack-Observability-Plattformen: Kombinieren Sie Tracing, Metriken, Logs, Echtzeit-Nutzerüberwachung und Infrastrukturüberwachung in einem Produkt und korrelieren Sie diese miteinander. Komfortabel und umfassend, mit einer Preisgestaltung, die mit dem Datenvolumen skaliert und schneller wächst als erwartet.
-
Fokussierte APM-Produkte: Sie konzentrieren sich auf Anwendungs-Tracing und Code-Diagnostik, ohne die gesamte Überwachungsfläche abzudecken. Oftmals sind sie einfacher und kostengünstiger und eignen sich für Teams, deren Log-Analyse und Infrastrukturüberwachung bereits anderweitig abgedeckt sind.
-
Open-Source- und selbstgehostete Stacks: Zusammengesetzt aus Open-Source-Komponenten für Tracing, Metriken und Visualisierung, mit offenen Instrumentierungsstandards, die die Abhängigkeit von einzelnen Anbietern reduzieren. Keine Lizenzkosten, geringer operativer Aufwand und zunehmend praktikabel, da standardisierte Instrumentierung immer ausgereifter wird.
-
Fehlerverfolgung und Ausnahmeüberwachung: Speziellere Tools, die sich auf das Erfassen, Gruppieren und Melden von Anwendungsfehlern mit Stacktraces und Kontextinformationen konzentrieren. Kostengünstiger und oft ausreichend für kleinere Anwendungen, bei denen Fehler wichtiger sind als die Latenzverteilung.
Der Funktionsumfang ist bei den verschiedenen Anbietern weitgehend ähnlich. Unterschiede zeigen sich in der Abdeckung der Instrumentierung, der Nützlichkeit der Trace-Funktionen und der Kostenkontrolle.
Standard-Funktionen
Verteilte Ablaufverfolgung
Die Verfolgung einer Anfrage über verschiedene Dienste hinweg mit Zeitmessung für jeden Abschnitt zeigt, wo sich Latenzzeiten anhäufen. Die Sampling-Strategie ist hierbei entscheidend, da die Erfassung jeder einzelnen Anfrage aufwändig ist und zu wenige erfasst werden, wodurch die seltenen, aber wichtigen langsamen Anfragen verpasst werden.
Code-Level-Diagnose
Die Zuordnung von Zeit innerhalb eines Dienstes zu spezifischen Methoden, Abfragen und externen Aufrufen. Der Detaillierungsgrad variiert je nach Programmiersprache und Laufzeitumgebung. Prüfen Sie daher die Unterstützung für Ihren spezifischen Stack und nicht die allgemeine Liste.
Kennzahlen und Dashboards
Durchsatz, Latenz-Perzentile, Fehlerraten und Ressourcennutzungsage Im Laufe der Zeit. Perzentile, nicht Durchschnittswerte, decken für den Benutzer sichtbare Probleme auf, da Durchschnittswerte den langsamen Ausläufer vollständig ausblenden.
Fehlerverfolgung
Ausnahmen werden mithilfe von Stacktraces erfasst, ähnliche Fehler gruppiert und ihr Auftreten im Zeitverlauf und über verschiedene Releases hinweg verfolgt. Die Qualität der Gruppierung entscheidet darüber, ob die Fehlerliste zielführend oder unübersichtlich ist.
Real User Monitoring
Die Leistung wird anhand tatsächlicher Browser und mobiler Anwendungen gemessen, einschließlich Seitenladezeit und Interaktionsreaktion. Dadurch werden Aspekte erfasst, die mit synthetischen und serverseitigen Messungen nicht möglich sind.
Alarmieren
Schwellenwert- und anomaliebasierte Alarme werden an Bereitschaftssysteme weitergeleitet. Die Integration mit Incident-Management- Tools stellt sicher, dass die Alarme die tatsächlich Verantwortlichen erreichen.
Schlüsselfunktionen, auf die man achten sollte
Kostenkontrolle und Datenvolumenmanagement
Bei datenerfassungsbasierter Preisgestaltung bestimmt das Telemetrievolumen die Kosten. Dieses Volumen steigt mit dem Datenverkehr, der Anzahl der Dienste und der Nutzung der Messinstrumente. Achten Sie auf Sampling-Kontrollen, gestaffelte Aufbewahrungsfristen, teambezogene Zuordnung und die Möglichkeit, Daten mit geringem Wert vor der Erfassung zu verwerfen. Ermitteln Sie die Kosten bei dreifachem aktuellem Volumen, da unerwartet hohe Rechnungen in dieser Kategorie häufig vorkommen.
Instrumentierungsaufwand und Standardunterstützung
Die automatische Instrumentierung Ihrer Sprachen und Frameworks senkt die Einführungskosten im Vergleich zur manuellen Instrumentierung erheblich. Die Unterstützung offener Instrumentierungsstandards sollte Priorität haben, da die von Ihren Teams erzeugten Telemetriedaten nicht an einen einzelnen Anbieter gebunden sind und ein späterer Wechsel nicht die Neuinstrumentierung aller Komponenten erfordert.
Korrelation über verschiedene Signalarten hinweg
Der praktische Nutzen ergibt sich aus dem schnellen Wechsel zwischen einer langsamen Ablaufverfolgung, den Protokollen der jeweiligen Anfrage und dem aktuellen Zustand der Infrastruktur. Produkte, bei denen diese Daten tatsächlich verknüpft sind, beheben Störungen schneller als solche, bei denen es sich um separate Ansichten handelt, die eine manuelle Korrelation anhand des Zeitstempels erfordern.
Leistungsaufwand des Agenten
Die Instrumentierung beansprucht Rechenleistung und Speicher in der überwachten Anwendung. Der Overhead ist in der Regel gering, kann aber gelegentlich, insbesondere bei aktiviertem aggressivem Profiling, erheblich sein. Messen Sie ihn daher unter realistischer Last während der Evaluierung, anstatt einen angegebenen Wert zu akzeptieren.
Bei den Entscheidungen, die wirklich zählen, geht es um die Kostenentwicklung und darum, ob die Organisation auf das, was sie sieht, auch handeln kann.
Kostenprognose im Zuge des Wachstums
Dies ist der häufigste Grund für Unzufriedenheit in dieser Kategorie. Preismodelle, die auf Hosts, Datenvolumen oder benutzerdefinierten Metriken basieren, verhalten sich im Zuge der Architekturentwicklung sehr unterschiedlich, und die Nutzung weiterer Dienste mit mehr Instrumentierung führt zu einer schnellen Volumenvervielfachung. Modellieren Sie die Kosten anhand eines realistischen zukünftigen Zustands und prüfen Sie, welche Kontrollmechanismen zur Kostenbegrenzung vorhanden sind, bevor es zu einem Kostenanstieg kommt.
Fähigkeit, auf Grundlage der Ergebnisse zu handeln
Monitoring deckt Probleme auf, behebt sie aber nicht. Organisationen, die nicht in der Lage sind, auf die gefundenen Probleme zu reagieren, häufen Dashboards und Warnmeldungen an, auf die niemand reagiert. Das ist schlimmer als gar kein Monitoring, da es den Anschein von Kontrolle erweckt. Klären Sie, wer für die Leistungsmessung verantwortlich ist, bevor Sie in Transparenz investieren.
Alarmdesign und Rufbereitschafts-Nachhaltigkeit
Schlecht konfigurierte Benachrichtigungen führen am schnellsten zu ignorierten Warnungen und überlasteten Entwicklern. Benachrichtigungen sollten sich auf die von Nutzern wahrgenommenen Symptome konzentrieren, anstatt auf jede interne Kennzahl. Überprüfen Sie regelmäßig die Qualität der Benachrichtigungen und löschen Sie Warnungen, auf die niemand reagiert. Dies erfordert kontinuierliche Disziplin und lässt sich nicht konfigurieren – und kein Produkt bietet diese Funktionalität.
Lieferantenbindung und Portabilität
Proprietäre Agenten, kundenspezifische Instrumentierung und in der Abfragesprache eines Anbieters erstellte Dashboards verursachen erhebliche Wechselkosten. Die Verwendung offener Instrumentierungsstandards, wo immer möglich, erhält die Option zum Wechsel aufrecht, was in einer Branche, in der Preisänderungen Migrationen ausgelöst haben, von Bedeutung ist.
APM ist ein Teil einer umfassenderen Werkzeugkette für den operativen Betrieb.
Log-Analyseplattformen
Log-Analyse-Software speichert und durchsucht die detaillierten Datensätze, die einzelne Ereignisse erklären. Traces zeigen, wo die Zeit verstrichen ist; Logs erklären häufig, warum, und beide ergänzen sich, anstatt Alternativen zu sein.
Netzwerk- und Infrastrukturüberwachung
Netzwerküberwachungssoftware und umfassendere Überwachungsplattformen erfassen die Schichten unterhalb der Anwendung. Viele scheinbare Anwendungsprobleme haben ihren Ursprung in diesen Schichten; die Korrelation über verschiedene Schichten hinweg verhindert daher Fehldiagnosen.
AIOps-Plattformen
AIOps-Plattformen nutzen Korrelation und Anomalieerkennung in operativen Daten, um die Anzahl der Warnmeldungen zu reduzieren und wahrscheinliche Ursachen aufzudecken. Der Nutzen hängt stark von der Datenqualität und realistischen Erwartungen an die Ergebnisse der automatisierten Korrelation ab.
Incident-Management-Tools
Incident-Management-Software regelt Bereitschaftsdienste, Eskalation und die Nachbereitung von Vorfällen. Erkennung und Reaktion sind separate Probleme, und APM-Produkte lösen die Erkennung in der Regel deutlich besser als die Reaktion.
Entwicklungs- und DevOps-Tools
DevOps-Plattformen , Bugtracking-Systeme und Softwaretest-Tools sind vorgelagert. Die Rückführung von Produktionsergebnissen in den Entwicklungsworkflow schließt den Kreislauf zwischen der Problemerkennung und -behebung.
Sitzungswiedergabe und digitale Analysen
Tools zur Sitzungswiedergabe und digitale Analyseplattformen zeigen, was Nutzer getan und erlebt haben. Die Kombination einer Leistungsmessung mit einer Aufzeichnung der betroffenen Sitzung verdeutlicht häufig Auswirkungen, die durch Kennzahlen allein nicht erfasst werden.
