应用场景
APM应用广泛，下面介绍APM的三个典型应用场景，以便您深入了解。
应用异常诊断
业务痛点
分布式微服务架构下复杂的应用丰富多样、开发效率高，但是给传统运维诊断技术带来了巨大挑战。以电商为例，主要遇到如下问题：
- 定位问题难
客服人员接到用户反馈商品购买出现问题后，会交由技术人员排查解决。而微服务分布式架构中的一个业务请求通常要经过多个服务/节点后返回结果。一旦请求出现错误，往往要在多台机器上反复翻看日志才能初步定位问题，对简单问题的排查也常常涉及多个团队。
- 架构梳理难
在业务逻辑变得逐渐复杂以后，很难从代码层面去梳理某个应用依赖了哪些下游服务（数据库、HTTP API、缓存），以及被哪些外部调用所依赖。业务逻辑的梳理、架构的治理和容量的规划（例如促销活动的准备过程中，需要为每个应用准备多少台机器）也变得更加困难。
业务实现
APM提供大型分布式应用异常诊断能力，当应用出现崩溃或请求失败时，通过应用拓扑+调用链下钻能力分钟级完成问题定位。
应用体验管理
业务痛点
在用户体验至上的互联网时代，即使后台业务稳定运行，仍然无法获悉用户访问系统时的具体情况，因而定位线上用户偶现的前端问题变得非常困难。一个系统上线之后，访问时的大量报错导致用户无法正常使用，如果我们无法及时获知，就会导致流失大量用户，如果用户反馈页面的使用情况，我们能否第一时间复现用户的使用场景；能否知晓用户遇到的详细报错信息而快速修复。
业务实现
APM提供应用体验管理能力，实时分析应用事务从用户请求、服务器到数据库，再到服务器、用户请求的完整过程，采用Apdex（应用性能指数）自动化打分，实时感知用户对应用的满意度，帮助您全面了解用户体验状况。对于用户体验差的事务，通过拓扑和调用链完成事务问题定位。
- 应用KPI分析：吞吐量、时延、成功率指标分析，实时掌控用户体验健康状态，用户体验一览无遗。
- 全链路性能追踪：Web服务、缓存、数据库全栈跟踪，性能瓶颈轻松掌握。
故障智能诊断
业务痛点
海量业务下，出现百种指标监控、KPI数据、调用跟踪数据等丰富但无关联的应用运维数据，如何通过应用、服务、实例、主机和事务等多视角分析关联指标和告警数据，自动完成故障根因分析；如何基于历史数据学习与运维经验库，对异常事务智能分析给出可能原因。
业务实现
APM提供故障智能诊断能力，基于机器学习算法自动检测应用故障。当事务出现异常时，通过智能算法学习历史指标数据，多维度关联分析异常指标，提取业务正常与异常时上下文数据特征，如资源、参数、调用结构，通过聚类分析找到问题根因。APM可以统计历史上体验好和差的数据并进行比对，同时记录可能导致应用出错的环境数据，包括出入参、调用链、资源数据、JVM参数等，基于EI（企业智能）引擎，对历史数据在线训练与警告预测。
