Application Performance Monitoring (APM) ist eine etablierte Branche. Seine Wurzeln reichen bis in die Zeit vor der Entstehung des Internets als Plattform zurück. Ursprünglich auf das Rechenzentrum beschränkt, erlebte es einen rasanten Aufschwung, als der Bedarf entstand, die Benutzererfahrung im Kontext des Internets zu verstehen.
Passives Monitoring
In der ersten Phase dominierten passive Techniken, mit denen versucht wurde, die Benutzererfahrung anhand synthetischer Transaktionen nachzuvollziehen. Das passive Monitoring wurde von Anbietern mit stark verteilten Präsenzpunkten im Internet geprägt und ermöglichte Websitebetreibern einen historischen Überblick darüber, wie ihre Anwendung für eine zunehmend weltweit verteilte Benutzerbasis funktionierte.
Passive Techniken waren der erste ernsthafte Versuch, die Benutzererfahrung zu messen. Sie lieferten einen allgemeinen Überblick über die durchschnittliche Performance, der weitgehend auf den Netzwerkpfaden zwischen dem Point of Presence und der Anwendung basierte. Da sich die meisten Points of Presence im oder in der Nähe des Internet-Backbones befanden, konnten sie die Auswirkungen der „letzten Meile“ zwischen dem Backbone und dem Client nicht berücksichtigen.
Darüber hinaus konnte die Abhängigkeit von synthetischen Transaktionen eine tatsächliche Benutzerinteraktion oder Transaktion häufig nicht präzise abbilden. Daher ließen die daraus resultierenden Messwerte eher Rückschlüsse auf den Zustand des Internets und die Verfügbarkeit einer Anwendung als auf die Benutzererfahrung zu.
Passive Überwachungssysteme waren sehr gut darin, Zwischenknoten im Internet als Ursache für Leistungsprobleme von Anwendungen zu identifizieren. Probleme auf Client- oder Anwendungsebene konnten sie jedoch ebenso wenig zuverlässig erkennen wie die tatsächliche Benutzererfahrung überwachen.
Aktive Überwachung
Diese Unzulänglichkeiten führten zur Entwicklung einer offensiveren Technik: dem aktiven Monitoring. Diese Phase wurde von Anbietern geprägt, die kleine Codefragmente in die Clientanwendung einfügten, um anschließend genauere Leistungsdaten zu erfassen. Diese Lösungen berücksichtigten sowohl die letzte Meile als auch die Auswirkungen des Renderings auf die Anwendungsleistung. Durch die Überwachung realer Interaktionen vermittelte das aktive Monitoring ein wesentlich realistischeres Bild der Benutzererfahrung.
Aktives Monitoring hat die Unzulänglichkeiten des passiven Monitorings behoben. Heute können wir Daten über die gesamte Benutzererfahrung hinweg erfassen – vom Client über das Netzwerk bis hin zu den Anwendungen und ihren Backend-Systemen.
Das bedeutet jedoch nicht, dass die Weiterentwicklung des Monitorings abgeschlossen ist. Denn obwohl wir die grundlegende Anforderung erfüllt haben, bestehende Performance-Probleme zu erkennen, reicht das heute nicht mehr aus. Fast ein Drittel (32 %) aller Kunden „würde nach einem einzigen schlechten Erlebnis keine Geschäfte mehr mit einer Marke machen, die sie zuvor geschätzt haben.“ (PWC)
Es reicht nicht aus, im Nachhinein festzustellen, was schiefgelaufen ist. Für das Unternehmen wird es immer wichtiger, zu erkennen, wo Probleme auftreten könnten, bevor sie entstehen.
Deshalb sind wir überzeugt, dass die nächste Phase des Monitorings prädiktiv sein wird.
Prädiktives Monitoring
Prädiktives Monitoring wird aus gutem Grund häufig mit maschinellem Lernen in Verbindung gebracht. Die Fähigkeit, Ausfälle oder Leistungsprobleme vorherzusagen, hängt vollständig von Erfahrungswerten ab. Bei der Anwendungsleistung werden diese Erfahrungswerte aus den Daten von Hunderten und Tausenden früheren Benutzererfahrungen gewonnen.
Mit einer soliden Datengrundlage zu Benutzererfahrungen, die den gesamten Anwendungsdatenpfad in seiner ganzen Breite und Tiefe abdeckt, können Analysen Muster und Zusammenhänge zwischen einer komplexen Reihe von Variablen wie Tageszeit, Standort, Geschäftsfunktion, Browser, Betriebssystem und Netzwerk erkennen. Die Fähigkeit, ein Problem vorherzusagen, basiert auf den Beziehungen und Wechselwirkungen zwischen all diesen Komponenten sowie auf ihrem aktuellen Zustand.
Durch die Erkennung von Leistungsabweichungen und -anomalien bei einer bestimmten Komponente kann die vorausschauende Überwachung Bedingungen identifizieren, unter denen die Benutzererfahrung beeinträchtigt werden könnte, und eine Warnmeldung ausgeben.
Wenn die Warnung früh genug ausgelöst wird, können Maßnahmen ergriffen werden, um die Situation zu beheben, bevor daraus ein Problem entsteht, das sich auf das Unternehmen auswirkt.
Wir sind überzeugt, dass prädiktives Monitoring nicht nur die nächste Entwicklungsstufe des Application Performance Monitoring darstellt, sondern auch eine notwendige Weiterentwicklung ist. Da Unternehmen zunehmend auf Anwendungen angewiesen sind, werden diese für den Geschäftserfolg ebenso entscheidend wie jede Maschine an einer Fertigungsstraße.
So wie die vorausschauende Wartung eine entscheidende Fähigkeit bei der Herstellung langlebiger Güter ist, wird auch die vorausschauende Überwachung eine entscheidende Rolle bei der Bereitstellung digitaler Erlebnisse spielen.
Über den Autor
Lori MacVittie ist Distinguished Engineer und Chief Evangelist im Office of the CTO von F5 und verfügt über umfassende Expertise in den Bereichen Anwendungsbereitstellung, Automatisierungsstrategie und Infrastruktur. Sie ist dafür bekannt, Komplexität verständlich zu machen – ob sie Leitplanken für KI-Agenten definiert, fragile Multicloud-Architekturen analysiert oder die Grenzen skalierbarer Systeme auslotet. Sie verfügt über mehr als dreißig Jahre Branchenerfahrung in der Anwendungsentwicklung, IT-Architektur sowie im Netzwerk- und Systembetrieb. Bevor sie zu F5 kam, war sie als mehrfach ausgezeichnete Technologie-Redakteurin tätig. MacVittie hat einen Masterabschluss in Informatik und ist eine produktive Autorin, deren Veröffentlichungen die Bereiche Sicherheit, Cloud und Unternehmensarchitektur abdecken. Außerdem spielt sie leidenschaftlich gern Brett- und Videospiele und vertritt mit voller Überzeugung klare Ansichten zum Thema Käse.
Weitere Blogbeiträge von Lori Mac VittieÄhnliche Blogbeiträge
Ein umfassender Leitfaden zur Bereitstellung und Sicherheit von KI-Anwendungen
Entdecken Sie optimale Strategien für die Absicherung und Bereitstellung von KI-Anwendungen.
KI zulassen und einführen? Lehren aus der Public Cloud
Die Einführung von KI steht unmittelbar bevor und könnte entscheidend sein, um wettbewerbsfähig zu bleiben. Daher muss die IT-Sicherheit proaktiv handeln und der KI-Einführung schon jetzt einen Schritt voraus sein, um sie auf einen risikogerechten Weg zu lenken.
Stand der Anwendungsstrategie 2022: Zeit für die Modernisierung des Betriebs
Es ist deutlich geworden, dass Unternehmen ihren Fokus erneut auf die Geschäftsfunktionen richten müssen, um die Dynamik ihrer digitalen Transformation aufrechtzuerhalten. Kundenerlebnisse haben zwar weiterhin Priorität, doch auch Geschäftsfunktionen wie Recht, Personalwesen und Finanzen müssen digitalisiert werden. Das bedeutet, dass CIOs das Steuer übernehmen, während sich die digitale Transformation von der Modernisierung von Anwendungen hin zur Modernisierung von Betriebsabläufen verlagert.
F5s Weg zu einer vielseitigen Plattform für Anwendungsanalysen
F5 bietet heute die umfassendsten Anwendungsdienste entlang des gesamten Weges vom Code bis zum Kunden. Künftig werden wir verstärkt auf Anwendungstelemetrie und -analysen setzen, damit unsere Kunden wertvolle Erkenntnisse über ihre Anwendungen, Geschäftsabläufe und Benutzererlebnisse gewinnen können. Beim Ausbau unserer Cloud-Analysefunktionen werden wir ML und KI noch stärker nutzen, um unsere Kunden bei der Verbesserung ihrer Geschäftsdienste zu unterstützen.
Telemetrie: Eine andere Art von Daten
Verwenden wir den Begriff „Telemetrie“ nur, weil er attraktiver klingt als „Daten“? Letztlich sind sowohl Daten als auch Telemetrie strukturierte Informationseinheiten. Es ist kein Verbrechen, die Begriffe synonym zu verwenden. Doch wenn man es genau nimmt, gibt es einen Unterschied. Und dieser Unterschied wird immer wichtiger werden, je weiter Unternehmen in die Datenökonomie vordringen.
MTTR bedeutet nicht „Mean Time to Reboot“
„Schnell scheitern“ lautet heute das Mantra für mehr Geschwindigkeit. Ob in DevOps oder im Geschäftsleben: Wer in einer digitalen Wirtschaft agiert, muss eine möglichst perfekte Verfügbarkeit gewährleisten.