有效管理应用性能,数据越多越好吗?

  当前,几乎各行各业都在积极开展可带来更好用户体验的数字计划。但要了解这些用户对数字服务和应用的真实体验,以及如何影响业务成果,或在出现问题时如何做出有意义的改进,则始终存在盲点。

  鉴于用户体验对于数字化成功的重要性,Gartner对企业监测的业务应用数量将会有所增加的预测也就不无道理。Gartner预测,企业会在未来6年内将所监测的业务应用数量从2017年的5%提升至2023年的20%。然而,这个速度够快吗?而且,只监测少量交易真能做出不一样的判断吗?

  在企业认为它的每一次与消费者互动都十分重要的环境中,我们已多次看到越来越多的人不能忍受过长的等待时间和系统崩溃的情况,用户体验不佳可能会永远毁掉客户对您企业的好印象。

  很多大型企业已经实施了数字转型举措,为企业开辟新的收入来源,改善客户服务并提高员工生产效率。这些举措的实施间接取决于这批相同的客户、员工和合作伙伴,对自己依赖的业务关键型应用能否拥有积极的使用体验。APM在这里扮演着关键角色,但企业要怎样确保他们能在一个可能已是负担沉重的网络中部署最有效率且高效能的APM解决方案呢?首选当然是更加智能的APM解决方案—它基于人工智能、分析技术以及最重要的大数据能力。

  长期以来,一直有一种观点认为APM大数据方法是一个不可能完成的技术挑战。因为一旦考虑到数据量及数据的多样性,就会给被测量的应用带来压力,进而出现许多问题。鉴于这个原因,许多供应商会把精力集中在算法上,但我们相信,更多的数据一定会比更多的算法更有意义。

  通过专注于对算法进行微调,一种APM方案正在试图寻找其中某些拼图块。而另一方面,通过采用大数据优先的方法则开辟了一种“全数据”的可能性,包括原始数据和未经过滤的数据均被考虑在内。它不会被过滤或汇聚,因此不会出现盲点。这也意味着您可以不受固有采样或选择偏差的影响来观察整个拼图块。而且,一旦大数据与人工智能结合,你就找到了一个神奇的公式,瞬间即可完成您的拼图,解决所有难题。

  另一实例:几年前,斯坦福大学数据挖掘专业的学生参加了一场比赛,并战胜了Netflix电影推荐算法。胜出的团队因访问了更多元数据而提出了更好的建议,他们比那些严重依赖算法的人表现得更好。如果从APM的角度来看这一问题,你会发现大数据方法将产生更高质量的人工智能建议,因为它是以丰富,深入且无偏见的数据源为基础的。

  通过构建以大数据为核心的智能解决方案,APM技术正在以一种全新的方式发展。它帮助企业高管更好地理解应用性能对每位用户数字体验所带来的业务影响,并提供对当今数字业务至关重要的深度了解和更高质量。

  Riverbed近日发布了SteelCentral解决方案的最新版本,这是业界首个APM与终端用户体验监测相结合的方案。

  Riverbed 亚太区技术方案架构师 李耀宗

第 1 /  10 页
点击查看余下全文