- 最新动态
- 功能总览
- 产品介绍(2.0)
- 计费说明(2.0)
- 快速入门(2.0)
-
用户指南(2.0)
- 使用导读
- 应用列表
- CMDB管理
-
应用指标监控
- 概述
- 应用监控详情
-
应用监控配置
- 配置详情
- 配置Mysql监控项
- 配置HttpClient监控项
- 配置url监控项
- 配置JavaMethod监控项
- 配置Druid连接池监控项
- 配置ApacheHttpAsyncClient监控项
- 配置Redis监控项
- 配置Jedis监控项
- 配置HBase监控项
- 配置ApacheHttpClient监控项
- 配置Tomcat监控项
- 配置EsRestClient监控项
- 配置Websocket监控项
- 配置KafkaProducer监控项
- 配置Hikari连接池监控项
- 配置异常日志监控项
- 配置线程监控项
- 配置GC监控项
- 配置JVM信息监控项
- 配置JVM监控监控项
- 配置探针监控项
- 配置Springbean监控项
- 监控项视图
- 实例
- 采集状态
- 组件设置
- 调用链
- 应用拓扑
- URL跟踪
- 资源标签管理
- 标签管理
- 告警管理
- 探针管理
- 前端监控
- 链路追踪
- App监控
- 系统管理
- SDK参考
- 权限管理
- 修订记录
- 最佳实践(2.0)
- API参考(2.0)
- 常见问题(2.0)
- 视频帮助(2.0)
- 产品介绍(1.0)
- 快速入门(1.0)
- 用户指南(1.0)
- 最佳实践(1.0)
- API参考(1.0)
-
常见问题(1.0)
- 用户高频问题
- 常见咨询问题
-
常见使用问题
- 如何获取AK/SK和projectid值?
- 如何通过创建委托获取AK/SK?
- 查询不到数据或者数据异常?
- 如何将APM接入非Web程序中?
- 调用链的时间线如何绘制的?
- APM如何采集探针数据?
- APM如何采集网格数据?
- 如何计算已使用实例个数?
- JBoss Standalone模式如何接入APM?
- 调用链跳转日志不生效?
- 如何将APM探针部署到CCE容器中?
- 如何处理SSH tunnel进程异常?
- 安装了ICAgent和java探针后,拓扑图不显示,没有数据,如何排查?
- JVM监控界面线程监控处为何没有tomcat线程指标?
- JVM监控界面内存监控中,为何最大内存比分配内存小?
- 如何判断CCE中是否已经绑定了ICAgent?
- SDK参考(1.0)
- 视频帮助(1.0)
- 文档下载
- 通用参考
链接复制成功!
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。