Application Performance Monitoring

Das richtige APM-Tool

von - 07.03.2019
Um die Leistung einer Applikation wirklich einschätzen und optimieren zu können, benötigen Unternehmen eine durchgängige Sicht auf alle beteiligten Prozesse und Schichten. „Es ist heutzutage nicht mehr ausreichend, die Performance einer Anwendung anhand der CPU-Auslastung eines Prozesses einzuschätzen“, betont Sascha Giese von SolarWinds, „es kann durchaus sein, dass überwachte Komponenten einer Anwendung sich selbst als ‚grün‘ darstellen, die Mitarbeiter aber dennoch über Probleme bei der Nutzung klagen.“
Darüber hinaus sollten natürlich alle verwendeten Systeme und Arbeitsumgebungen unterstützt werden, inklusive aller verwendeten Cloud-Angebote, egal ob Infrastructure, Platform und Software as a Service oder Serverless Computing. „Unternehmen sollten den Grad der Offenheit einer APM-Lösung betrachten und prüfen, ob sich diese sofort mit der Vielzahl an Cloud-Services nutzen lässt, die das Unternehmen einsetzt“, rät Dynatrace-VP Ismaier. „Es ist auch wichtig, dass sich die Lösung vollständig in die verwendeten DevOps-Toolchains integriert, damit Unternehmen Prozesse automatisieren und so ihre Agilität verbessern können.“
Für Gartner-Research-Director De Silva Leon ist die Abdeckung von Programmiersprachen und Frameworks wie Java, .NET, PHP, Node.js, Go oder Python ein wesentliches Auswahlkriterium. „Außerdem sollten Unternehmen nach APM-Suiten suchen, die nicht nur Daten aus proprietären Agenten, sondern auch aus Open-Source-Tools auswerten können“, so De Silva Leon weiter, „denn Open-Source-Werkzeuge werden immer mehr zum Standard, wenn es um die Überwachung moderner verteilter und dynamischer Anwendungen geht.“
Gerald Ismaier
Gerald Ismaier
Regional VP Central Europe bei Dynatrace
www.dynatrace.com
Foto: Dynatrace
„Unternehmen sollten den Grad der Offenheit einer APM-Lösung betrachten.“
Funktionsfülle, durchgängiges Monitoring und Integra­tionsmöglichkeiten nutzen allerdings nichts, wenn die Anwender mit den Ergebnissen nichts anfangen können. „Herkömmliche APM-Tools führen oft nur zu mehr Daten oder Alarmmeldungen, die Benutzer überfordern und von ihnen verlangen, dass sie mit Hilfe von Dashboards die Ursache für Performance-Probleme finden“, warnt Ismaier.

Fazit

„Von hier an blind“ heißt ein Song der deutschen Popgruppe „Wir sind Helden“. Dieses Motto gilt auch für viele Unternehmen, die auf hybride Cloud-Strukturen migrieren oder Software as a Service einsetzen. Zu komplex und undurchsichtig sind die Datenströme und Abhängigkeiten, um mit herkömmlichen Methoden der Leistungsmessung erfasst werden zu können. APM-Lösungen müssen heute daher mehr können, als nur einfache Performance-Metriken zu liefern. Kennzahlen anderer Systeme und Cloud-Umgebungen müssen ebenso berücksichtigt werden wie die Leistung, die beim Nutzer tatsächlich ankommt. Das erfordert offene Plattformen, die eine Vielzahl von Komponenten, Schnittstellen, Programmiersprachen und Betriebsumgebungen integrieren können.
Besonders große Hoffnung setzen Anbieter wie Anwender dabei auf den Einsatz von Künstlicher Intelligenz. KI-basierte Analysen sollen helfen, Probleme schneller zu analysieren oder sogar vorhersagen zu können. In einer Zeit, in der die Kundenerfahrung immer mehr von der Verfügbarkeit digitaler Angebote und Kanäle abhängt, ist das eine unverzichtbare Voraussetzung für den Geschäftserfolg. „Unternehmen sollten sich der strategischen Bedeutung von Application Performance Monitoring bewusst sein“, betont AppDynamics-Manager Flott.
Was gute APM-Suiten ausmacht
Laut Gartner sollte eine APM-Suite folgende Komponenten enthalten:
Digital Experience Monitoring (DEM): Das DEM erfasst, was an Leistung, Verfügbarkeit und Benutzererfahrung tatsächlich bei Anwendern, digitalen Agenten oder Maschinen ankommt, wenn diese mit Unternehmensanwendungen interagieren. Die Erfahrung am mobilen oder webbasierten Endpunkt lässt sich direkt messen (Real User Monitoring, RUM) oder auch emulieren (Synthetic Transaction Monitoring, STM).
Application Discovery, Tracing and Diagnostics (ADTD): In herkömmlichen Umgebungen sind Applikationsverwaltung, Transaktionsüberwachung und Performance-Monitoring auf verschiedene Tools verteilt, was eine Fehleranalyse erschwert. ADTD kombiniert die Erkennung und Visualisierung der Anwendungstopologie mit spezifischen Transaktionsprofilen und der detaillierten Analyse der Anwendungskomponenten, um Probleme schneller zu erkennen und zu beheben.
AIOps: Mit AIOps ist der Einsatz Künstlicher Intelligenz (Artificial Intelligence) im IT-Betrieb gemeint. AIOps für Anwendungen soll die Erkennung von Mustern, Abweichungen und deren Ursachen automatisieren. Neben maschinellem Lernen werden auch herkömmliche statistische Verfahren eingesetzt.
Foto: Quelle: Gartner Magic Quadrant for Application Performance Monitoring Suites, 2018; ergänzt/verändert
Verwandte Themen