Predictive Application Performance Monitoring (Predective APM) gilt als die zukunftsweisende Weiterentwicklung der herkömmlichen Performance-Überwachung. Zu Recht wird dieses vorausschauende Monitoring von Anwendungen mit Machine Learning in Verbindung gebracht. Denn in beiden Fällen hängt die Fähigkeit, Ausfälle oder Performance-Probleme vorherzusagen, von Erkenntnissen aus der Vergangenheit ab. Im Falle von Predictive APM werden diese Erkenntnisse aus Daten von Hunderten bis Tausenden früheren Nutzungserlebnissen abgeleitet.
Das APM ist schon seit der Entstehung des Internets ein bewährtes Verfahren. Zunächst auf das Rechenzentrum beschränkt, entstand es, um die User Experience im Kontext des Internets zu verstehen. Ursprünglich dominierten passive Monitoring-Techniken mit synthetischen Transaktionen. Durch verteilte Präsenzpunkte im Internet erhielten die Betreiber von Websites einen Überblick, wie ihre Anwendungen bei den zunehmend weltweit verteilten Nutzern funktionierten.
Diese passiven Techniken boten eine generische Durchschnittsbetrachtung der Performance, die weitgehend auf Netzwerkpfaden zwischen dem Präsenzpunkt und der Anwendung basierte. Da sich die meisten Präsenzpunkte auf oder nahe dem Internet-Backbone befanden, konnten sie die Auswirkungen der „letzten Meile“ zwischen dem Backbone und dem Client nicht berücksichtigen. Die Messungen gaben deshalb mehr Aufschluss über den Zustand des Internets und die Verfügbarkeit einer Anwendung als über die User Experience. Allerdings gelang es dadurch sehr gut, Zwischenknoten im Internet als Quelle für Leistungsschwierigkeiten zu identifizieren.
Um mehr über das tatsächliche Benutzererlebnis und die Verfügbarkeit der Anwendung zu erfahren, führte man das aktive Monitoring ein. Die Anbieter schleusten dazu winzige Codebits in die Client-Anwendung ein, die anschließend genauere Leistungsdaten lieferten.
Durch die Überwachung von Live-Interaktionen bot diese aktive Überwachung eine viel realistischere Perspektive auf die User Experience. Heute können wir Daten über das gesamte Benutzererlebnis hinweg sammeln – vom Client über das Netzwerk bis hin zu Anwendungen und ihren Back-End-Systemen. Allerdings reicht es nicht mehr aus, im Nachhinein zu identifizieren, was schief gelaufen ist und welche Performance-Probleme aufgetreten sind.
Denn nach Untersuchungen von PwC hören fast ein Drittel (32 Prozent) aller Kunden nach einer schlechten Erfahrung auf, eine bestimmte Marke zu kaufen. Für Unternehmen ist es deshalb geschäftsentscheidend, Probleme schon zu erkennen, bevor sie auftreten. Hier setzt das Predictive Performance Application Monitoring an.
Vorhersagen möglich
Ebenso wie die vorausschauende Wartung in der Produktion ist Predictive Monitoring geschäftskritisch für die Bereitstellung digitaler Angebote. In dem Maße, wie Unternehmen ihre Abhängigkeit von Anwendungen weiter erhöhen, wird die Verfügbarkeit dieser Applikationen so wichtig wie die ständige Funktionsfähigkeit jeder Maschine.
Mit einem Set an Daten über Benutzererlebnisse, die sich über die gesamte Breite und Tiefe des Anwendungsdatenpfades erstrecken, lassen sich automatisiert Muster und Beziehungen zu einem komplexen Satz von Variablen wie Tageszeit, Standort, Geschäftsfunktion, Browser, Betriebssystem und Netzwerk analysieren.
Die Fähigkeit, ein Problem vorherzusagen, basiert auf der Beziehung und Interaktion sowie dem aktuellen Zustand all dieser Komponenten. Ausreißer und Anomalien in der Performance einer bestimmten Komponente, unter denen die Benutzererfahrung leiden könnte, werden so identifiziert und lösen proaktiv eine Warnung aus. Damit ist Predictive APM eine intelligente Lösung, um frühzeitig Maßnahmen zu ergreifen und Situationen zu korrigieren, noch bevor sich Probleme daraus entwickeln, die sich nachteilig auf die User Experience und damit auf den Geschäftserfolg auswirken.
Lori MacVittie ist Principal Technical Evangelist bei F5 Networks
