Software für Application Performance Management (APM) hilft einem Unternehmen, sicherzustellen, dass seine kritischen Anwendungen die feststehenden Erwartungen hinsichtlich Leistung, Verfügbarkeit und Kunden- oder Endbenutzererlebnis erfüllen. Dies erfolgt durch Messung der Anwendungsleistung, Warnung von Administratoren, wenn Leistungsbaselines nicht erreicht werden, Bereitstellung von Einblick in Ursachen von Leistungsproblemen und automatische Behebung vieler Leistungsprobleme, bevor sie sich auf Benutzer oder das Unternehmen auswirken.

APM ist auch eine Abkürzung für Application Performance Monitoring. Die Begriffe werden häufig synonym verwendet, jedoch ist Application Performance Monitoring eigentlich eine Komponente von Application Performance Management – denn schließlich muss man die Leistung überwachen, um sie zu verwalten. 

Zunehmend entwickeln sich Application Performance Management-Lösungen jedoch von der Nutzung traditioneller Tools zur Überwachung der Anwendungsleistung zur Integration von Beobachtbarkeit, einer Technologie für die Leistungsdatenerfassung und -analyse, die sich besser für die Komplexität moderner, verteilter cloudnativer Anwendungen eignet. 

APM erfasst Daten zur Softwareanwendungsleistung, analysiert sie, um potenzielle Leistungsprobleme zu erkennen, und stellt Informationen bereit oder ergreift Maßnahmen, um diese Probleme schneller zu beheben. Der Hauptunterschied bei der Erfassung und Analyse der Daten ist der Unterschied zwischen Application Performance Monitoring und Beobachtbarkeit.

Application Performance Monitoring

Beim Application Performance Monitoring werden Agenten in der gesamten Anwendungsumgebung und unterstützenden Infrastruktur bereitgestellt, um die Leistung zu „überwachen“, indem Leistung und leistungsbezogene Metriken (manchmal Telemetrie genannt) in der Regel einmal pro Minute abgefragt werden. Die Arten des Monitorings, die diese Agenten ausführen, schließen Folgendes ein:

• Digitale Erlebnisüberwachung erfasst Leistungsmetriken – wie Ladezeit, Reaktionszeit, Betriebszeit, Ausfallzeit – von der Benutzerschnittstelle auf dem Gerät des Endbenutzers. (Dies wurde früher Benutzererlebnisüberwachung genannt, wurde jedoch erweitert, um zu berücksichtigen, dass nichtmenschliche Entitäten, wie Roboter oder andere Softwarekomponenten, auch mit der Anwendung interagieren und eigene Erwartungen an die Leistung haben). Digitale Erlebnisüberwachung unterstützt in der Regel die Überwachung realer Benutzer, die das Erlebnis eines realen Benutzers im System überwacht, sowie synthetische Überwachung für Leistungstests in Produktions- und Nicht-Produktionsumgebungen.
  
  
• Anwendungsüberwachung umfasst die Überwachung des gesamten Anwendungsstacks – Application Framework (z. B. Java oder .NET), Betriebssystem, Datenbank, APIs, Middleware, Webanwendungsserver, Benutzerschnittstelle – sowie IT-Infrastrukturüberwachung, die Faktoren wie CPU-Auslastung, Plattenspeicherplatz und Netzleistung abfragt. Stack-Überwachung umfasst in der Regel Traceerstellung auf Codeebene. Damit können Codeabschnitte ermittelt werden, die einen Leistungsengpass verursachen könnten.
  
  
• Datenbanküberwachung fragt neben der von Agenten zur Anwendungsüberwachung bereitgestellten Datenbanküberwachung die Leistung von SQL-Abfragen oder -Prozeduren ab.
  
  
• Verfügbarkeitsüberwachung überwacht die tatsächliche Verfügbarkeit von Anwendungs- und Hardwarekomponenten (weil Anwendungen Leistungsdaten generieren können, auch wenn sie nicht für den Endbenutzer zugänglich sind).

Zusätzlich zur Erfassung von Leistungsdaten führen diese Agenten eine benutzerdefinierte Transaktionsprofilermittlung durch und verfolgen dabei jede Transaktion von Endbenutzerschnittstelle oder -gerät bis zu jeder an der Transaktion beteiligten Anwendungskomponente oder Ressource. Diese Informationen werden verwendet, um Anwendungsabhängigkeiten festzustellen und eine Topologiemap zu erzeugen – eine Visualisierung der Abhängigkeiten zwischen Anwendungs- und Infrastrukturkomponenten, idealerweise über lokale, Private-Cloud-, Public-Cloud- (einschließlich Software-as-a-Service- oder SaaS-Lösungen) und/oder Hybrid-Cloud-Umgebungen hinweg. 

APM-Lösungen stellen normalerweise eine Steuereinheit und ein zentralisiertes Dashboard zur Verfügung, wo die erfassten Leistungsmetriken aggregiert, analysiert und mit festgelegten Baselines verglichen werden. Das Dashboard warnt Systemadministratoren vor Abweichungen von den Baselines, die auf tatsächliche oder potenzielle Leistungsprobleme hinweisen; es bietet auch Kontextinformationen und umsetzbare Erkenntnisse, die Administratoren nutzen können, um nach Fehlern zu suchen und diese zu beheben.

Beobachtbarkeit

Regelmäßige Abfrage ist effektiv genug für Überwachung und Fehlersuche in monolithischen Anwendungen oder traditionellen verteilten Anwendungen, bei denen neuer Code regelmäßig freigegeben wird und Workflows und Abhängigkeiten zwischen Anwendungskomponenten, Servern und zugehörigen Ressourcen bekannt oder einfach zu verfolgen sind.

Heute aber, wo Unternehmen moderne Entwicklungsverfahren und cloudnative Technologien – Agile- und DevOps-Methoden, Microservices, Docker-Container, Kubernetes- und Serverless-Funktionen – nutzen, stellen sie neue Anwendungskomponenten so oft, an so vielen Orten, in so vielen Sprachen und für so unterschiedliche Zeiträume bereit, dass eine Datenabtastung einmal pro Minute wie bei traditionellen Überwachungslösungen nicht mithalten kann.

Beobachtbarkeit tauscht traditionelle Überwachungsagenten gegen Ausstattung, die durchgängig Leistungs- und Kontextdaten erfasst, und nutzt Verfahren für maschinelles Lernen, um die Daten in Echtzeit zu korrelieren und zu analysieren. Mit einer Beobachtbarkeitslösung können Entwicklungs-, IT-Betriebs- und SRE-Teams (Site Reliability Engineering) Folgendes erreichen:

• „Unbekannte Unbekannte“ erkennen und angehen. Traditionelle Überwachungslösungen suchen nur nach bekannten Abweichungen von bekannten Baselines. Die Funktionalität für maschinelles Lernen einer Beobachtbarkeitsplattform kann Muster in Leistungstelemetrie erkennen, um neue Abweichungen zu identifizieren, die mit Leistungsproblemen korrelieren.
  
  
• Erkennung und Lösung von Problemen bereits in einem frühen Stadium der Entwicklung. Dank Beobachtbarkeit können DevOps-Teams Überwachung in die frühen Phasen des Softwareentwicklungsprozesses integrieren, sodass sie Fehler in neuem Code testen, aufdecken und beheben können, bevor diese sich auf Kundenerlebnis oder Service-Level-Agreements (SLAs) auswirken.
  
  
• Automatische Skalierung der Beobachtbarkeit. Entwickler können beispielsweise Beobachtbarkeitsfunktionen als Teil einer Kubernetes-Clusterkonfiguration spezifizieren, sodass jeder neue Cluster ab dem Zeitpunkt der Betriebsaufnahme bis zur Einstellung des Betriebs Telemetrie erfasst.

Beobachtbarkeit ersetzt die Überwachung nicht – sie ermöglicht eine bessere Überwachung und ein besseres APM.

Heute nutzen APM-Tools Beobachtbarkeit und KI in unterschiedlichem Maße. Einige kombinieren traditionelles Application Performance Monitoring mit KI, um die Erkennung sich verändernder Transaktionspfade und Anwendungsabhängigkeiten zu automatisieren. Andere kombinieren Beobachtbarkeit mit KI, um Leistungsbaselines automatisch zu bestimmen und „Signale“ oder umsetzbare Erkenntnisse aus dem „Rauschen“ von ITOM-Daten (IT Operations Management) auszusortieren. Laut Branchenanalyst Gartner können Unternehmen eine „Rauschunterdrückung von 60 % in ITOM durch Verwendung KI-basierter Tools“ erreichen.

Das ultimative Ziel – und die Zukunft von APM und IT-Betrieb – besteht in der Kombination von Beobachtbarkeit mit künstlicher Intelligenz für IT-Betrieb oder AIOps, um eine selbstoptimierende Infrastruktur mit automatischer Fehlerbehebung zu erstellen. Zusammen können der stetige Strom aus Echtzeit-Beobachtbarkeitstelemetrie sowie maschinelles Lernen und Automatisierung von AIOps basierend auf Systemausgaben Probleme bei der Anwendungsleistung vorhersagen, diese lösen, bevor sie sich auf Endbenutzererlebnis oder Betrieb auswirken, und sogar Maßnahmen zur Optimierung der Anwendungsleistung ergreifen – ohne Intervention des Managements.