في مقال سابق ، كتبنا كيف يمكن استخدام Splunk
لتحليل أداء التطبيق . سنتحدث اليوم عن مصادر البيانات الرئيسية لتحليلات أداء التطبيقات ، وفقًا لـ Bill Emment ، مدير التسويق للحلول في Splunk.
التطبيقات حاسمة لنجاح أي منظمة. ولكن هل تفعل كل ما بوسعك لتحسينها؟ فيما يلي خمسة مصادر للبيانات يمكنها مساعدتك في تحسين تحليلات أداء التطبيق في وقت قصير.
سجلات أداة APM
أمثلة: مجلات من Dynatrace و New Relic و AppDynamics و Pulseway و LogicMonitor و Stackify و Boomerang.js و Jmeter و CA Technologies و Idera و Ipswitchإذا كان لديك بالفعل أدوات APM ، فعندئذٍ يمكنك الحصول على معلومات ممتازة حول مراقبة أنشطة المستخدمين النهائيين ، والأخطاء في الصفحات ، وأجهزة البايت كود من سجلاتهم. قد تعرض هذه السجلات مشاكل البنية الأساسية والاختناقات التي لا تكون مرئية عند فحص كل نظام على حدة ، على سبيل المثال ، دقة بطيئة لنظام أسماء النطاقات ، مما يؤدي إلى فشل تطبيق ويب معقد عند محاولة الوصول إلى المحتوى والوحدات النمطية على أنظمة مختلفة. عند تتبع هذه السجلات ، يمكنك الحصول على تحذيرات مبكرة حول مشكلات التطبيق بحيث يمكن إصلاحها قبل أن يراها المستخدمون.
تطبيق المستخدم وسجلات التصحيح
مثال: تطبيقات مخصصةبالنسبة إلى المطورين ، غالبًا ما تكون سجلات تصحيح الأخطاء وسجلات تطبيقات المستخدم هي أكثر مصادر البيانات المطلوبة لأنها توفر أصغر المعلومات حول حالة التطبيق والمتغيرات والأخطاء. يمكن أن يساعد تحليل هذه السجلات في تحديد أسباب أعطال التطبيق ، وتسريبات الذاكرة ، وتدهور الأداء ، ونقاط الضعف. في تطبيقات المستخدم ، يختلف النوع الدقيق لمصادر البيانات حسب التطبيق.
CRM و ERP وتطبيقات الأعمال الأخرى
أمثلة: SAP و SFDC و Oracle و Microsoft Exchange و Microsoft Dynamicsتتكامل العديد من التطبيقات مع أنظمة CRM و ERP ، لذا فإن الحصول على معلومات حول استخدام وأداء هذه الأنظمة يمكن أن يمنحك فكرة عن كيفية عمل تطبيقاتك. يمكن لإدارة علاقات العملاء توفير معلومات كاملة وتسجيل الأحداث التي تؤدي إلى
تصعيد العملاء ، وعند دمجها مع مصادر البيانات الأخرى ، يمكن لإدارة علاقات العملاء توفير مؤشرات لمشاكل أعمق. مثل سجلات التطبيق الأخرى ، هناك حاجة إلى سجلات تخطيط موارد المؤسسات عند تصحيح أخطاء الأداء والموثوقية بسبب التفاعلات المعقدة بين العديد من الأنظمة. كما أنها مفيدة لتخطيط النطاق الترددي.
أدوات الأتمتة والتكوين والنشر
أمثلة: Puppet Enterprise و Ansible Tower و Chef و SaltStack و Rundeck وبيانات الجهاز التي تأتي من خلال واجهات برمجة التطبيقات أو مضيفي الويب أو سجلات بدء التشغيلتعد مصادر البيانات هذه أساسية لأن أدوات الأتمتة تساعدك على فهم الموقف عند إطلاق إصدارات جديدة. تمنحك مراقبة هذه البيانات وتحليلها وإدارتها الفرصة لمقارنة أداء التطبيق قبل / بعد التحديث ، بالإضافة إلى استخدام وتوافر كل إصدار محدد.
أدوات الاختبار
أمثلة: التحليل الثابت وسجلات اختبار الوحدة النمطية (SonarQube و Tox و PyTest و RubyGem MiniTest و Bacon و Go Testing) وسجلات إنشاء الخادم ومؤشرات الأداءيمكن أن تساعدك مراقبة بيانات التجربة على فهم:
- كم عدد الديون والمشاكل الفنية التي تم حلها
- ما مدى جاهزية إصدارك التالي؟
- عدد الاختبارات التي يتم إجراؤها في الساعة وما هي الاختبارات التي يتم إجراؤها
إذا قمت بدمج بيانات الاختبار مع بيانات التجميع ، يمكنك البدء في مراقبة أداء التجميع والإصدار ، بالإضافة إلى تقديم الاستنتاجات الأولى حول جودة الإصدار. يمكنك فهم اتجاهات النسبة المئوية للأخطاء وتحديد ما إذا كان التجميع جاهزًا للإصدار. يمكن أن يساعد فهم جودة الرمز أيضًا موظفي الدعم الفني في الاستعداد لأي حجم إضافي من المكالمات أو لأي مشاكل محددة قد تنشأ. على سبيل المثال ، تستخدم وكالة
الفضاء الكندية الأمريكية (CSAA) البيانات من العمليات الواقعية لتحديد طلبات المستخدمين التي يريدون إرسالها لإجراء المزيد من الاختبارات المتعمقة.
هناك المزيد من مصادر البيانات التي يمكن أن تساعدك على تحسين تحليلات أداء تطبيق APM يمكنك العثور عليها في
الدليل الأساسي لبيانات الجهاز: بيانات المستخدم والتطبيق.