总结云环境中的应用性能管理工具

应用性能管理工具能帮助企业管理云环境下的应用操作，其中包括平台即服务（PaaS），基础架构即服务（IaaS）和软件即服务（SaaS）。这些工具还可以用来识别性能问题来源，而且配合使用高级分析，它们甚至能在某些问题发生前就做出准确判断。使用应用性能管理工具，能使复杂IT环境的经营和管理变得简单。它们把应用简仓和基础架构连接起来--把平台间或者特定平台上的应用操作以统一界面表现出来。本文对这些工具进行了仔细分析，并说明了几种有助于数据中心管理员使用这些工具的方法。

应用性能有几种不同维度。收集到的数据和评估分析过的性能参数取决于所选择的工具类型。

面向事务型监控工具

当一项事务流经全部基础架构层时，这些工具就对其进行监控和捕捉，一般会使用服务器型收集器。当各项事务穿越分散的云架构时，它们会以拓朴方式被联系到一起并被追踪。这一类别的工具有一大堆，包括CorrelsenseInc.'sSharePathfortheDataCenter,OpTierCoreFirst,NimsoftUnifiedManager,InetcoSystemsLtd.'sINETCOInsight和NastelTechnologiesInc.'sTransactionWorks.

对于面向事务型的混合云环境，由于其所有事务都必须进行多层追踪，其跨度甚至会超出数据中心范围，所以这些工具很理想。

管理员可以轻易判断出基础架构层级是瓶颈的源头，并适当部署资源，加快问题的解决。通过这种方式，云经理和管理员能够看到准确的信息内容梗概，其中包括事务相关性、事务资源使用、事务服务水平和诸如如下相关问题：

-花多长时间完成一项业务事务？

-每层耗费了多少时间？

-事务失败了吗？

这个类别中的一些工具通过识别事务类型（例如，股票交易或在线零售），事务发起人，及事务发起时间等内容，还能给用户提供背景了解。这些工具能够回答类似如下的问题：

-我的订单通过了吗？

-我的退回受理了吗？

-我的交易失败了吗？

-医疗保健申请的状况如何？

“Deep-dive”应用程序组件监测工具

Deep-dive监测工具能够给出组件层面的应用诊断，通常使用位元码之类的测试设备。使用此类设备的好处在于其收集到的针对应用程序的具体信息所具有的广度和深度，使得应用问题能够很快被确定，诊断，并得到解决。性能问题的根本原因容易识别，在某些案例中，原因的定位甚至可以具体到个别代码行。举例说明，“Deepdive”应用监测设备包括如下产品：CATechnologies的ApplicationPerformanceManagement（Introscope）和IBM的TivoliCompositeApplicationManager（ITCAM）。

Deep-dive应用性能管理工具最适用于复杂关键任务企业应用，而且也很适合大型企业，这些企业有着一批具备应用方面专业技能的IT人员，同时还有一系列分析工具用于处理收集到的信息。不好的一点的是，安装，部署和使用起来比较复杂。这些工具能够收集如此多的信息以至于难以对这些信息进行关联和分析。所以中型以下规模的企业可能不会想用这些工具。

终端用户体验型监测工具

这种类型工具注重的是客户体验。当实际客户与网页型应用发生交互作用时，此类工具能够监测到用户的响应次数。所以对于公司业务取决于客户驱动的网页型交易的企业应该采用这类工具，例如电子商务，在线交易。我们可以把IT问题与它对客户体验造成的影响联系在一起，这样可以帮助我们确认性能问题，同时预测用户行为，并评估特定事件对业务的影响。

这些工具能回答如下类似问题：

-基础架构变化对终端用户体验会造成什么影响？

-为什么我的网站不能满足用户的需求？

-为什么特定群体用户在访问我的网站时会遇到问题呢？

常见的体验型监测工具包括CorrelsenseSharePathRealUserMonitoring,OpTierExperienceManager,CACustomerExperienceManager和IBMITCAMforTransactions.

事件处理/分析工具

应用性能管理工具，例如OpTierBusinessEvents,NastelAutoPilot和Netuitive,都带有一个关联/分析引擎，用来收集原始和数据和事件信息，并把它们转化为有用信息。对于参数从“正常”到“异常”的判定，也都设定了相关规定和阀值。这些工具能够把上述设置应用到收集来的性能数据上并将它们显示到控制板。

许多工具运用拓朴视图，突出强调故障组件。据此管理员再深挖有关问题的更多细节（有些工具甚至能够给出修复的建议）。如果运用在试验性生产中，配置变更带来的影响就能够在产品上线前得到合理评估。在上线前，应用能够进行模仿和测试。生产中，能够计算出响应时间，并关联到服务级协议要求，识别可能的违规。数据将被收集用于成本分摊和私有云审计。

一些工具采用了动态阀技术能够进行“学习”,所以它具备预测分析功能。例如，这类工具在了解一台服务器的历史数据基础上，对该服务器的正常行为能够做出识别。当侦测到被认为是异常的行为时，该工具会发出警告。对于从多个源头实时收集来的数据，利用算法式和统计回归技术对其进行分析。该技术能够告诉我们所有这些指征在不同的环境下如何共同起作用的（例如，当日时间）。自动生成的模型通过多级和应用能够了解到事务如何进行。这些工具将实际性能和预期性能进行比较，使得它能够在问题发生前就识别出异常状况。收集到越多历史数据，这些工具的分析能力就越强。

上述提到的应用性能管理工具许多都在其基础产品中包括了分析功能。根据收集和关联的数据类型，这些工具可能就够用了。大型企业有着复杂分散的混合云架构，可能会需要一台独立设备来辅助现有的监测工具。

对于需要管理分散的云型应用程序的IT管理员，在应用性能管理工具进行一定投入是件很值当的投资。现如今有很多方案可供选择，根据预算和企业需求不同而异。综合性工具能够把事务，应用和用户体验监测归拢到一个独立，统一的控制板视图中。