分析应用程序性能数据需要花费时间，但是这是值得的，因为将来，IT管理员将能够更快地解决问题。
跟踪分布式应用程序性能的最佳方法是什么？
组织将应用程序安装在本地，一个或多个云或这两个环境中的多个平台上，并使用分布式架构，这些架构以微服务的形式和在容器中部署代码。 与单片相比，分布式应用程序使监视变得困难，并且不会以最佳方式影响分析的效率和准确性。 因此，组织需要找到正确的工具并实施正确的方法来监视分布式应用程序。
随着分布式应用程序和计算变得越来越流行，新的预测性IT分析工具应运而生，以解决响应性IT基础架构问题。 预测技术评估当前的统计数据，趋势和历史数据，然后使用机器学习和数据分析对未来或未知事件进行预测。 尽管事实上您需要具有深入的知识才能使用预测性IT分析，但即使在应用程序过程中事件数量稍有减少，也会带来显着的节省。 但是，预测性监视和分析并不能解决所有问题，因为IT组织仍然需要独立决定监视什么以及何时监视。
分布式应用程序问题
部署在单个服务器上的已替换整体应用程序已被具有多个组件的分布式应用程序所替换，这些组件已安装在IT基础结构的许多部分中。 监视应用程序时，仅朝一个方向看是不可接受的-必须监视广泛的资源，包括外部存储，网络和计算能力。
同时，分布式应用程序的预测分析变得越来越困难。 为了找出应监视应用程序和基础结构的哪些组件，请从系统的不同端开始，然后使用一个共同的标准。 系统的顶部是应用程序的可用性。
从客户的角度来看，应用程序的各个方面会严重影响整体评估，但是很难对它们应用预测性分析。 应用程序性能问题（例如，交替起作用的功能）可能不经常出现，因此很难预测。 但是，可用性是支持分析信息的非常重要的指标。
如果预测分析算法不允许在几个不同的系统中使用收集的信息来编译完整的图片，则不能称其为有效的，因为如果不这样做，将很难确定一个系统的问题如何影响整个应用程序堆栈。 完全不同的应用程序的时代已经过去-被互连的组件所取代。 但是从操作的角度来看，这可能会导致许多错误和零件丢失。
什么值得追踪
要将云中的多个分析工具和本地系统结合起来以无间断地跟踪分布式应用程序，您将需要一整套IT专家团队。 如果您没有无限的监视预算，那么这是不合理的。 预测工具的成功取决于用于收集，共享和使用数据的方法，甚至还取决于机器学习或趋势研究的能力。
为了使系统收集IT部门工作所需的所有信息，预测性IT分析还必须考虑可用性。 如果您将可用性放在首位，那么专家团队将能够防止或减少客户遇到的错误和失败，或者至少了解这些错误如何影响工作并提出解决方案。
预测性IT分析的局限性
用于监视分布式应用程序的预测分析旨在检测和防止错误，但绝对不能避免错误或事件。 分析不是实时发生的。
预测性IT分析的时间安排是另一个非常重要的方面。 机器学习和数据分析与实时报告不兼容。 管理人员和技术人员都需要了解，预测性IT分析系统需要时间来收集足够的数据以进行处理和分析，然后您才能期待任何可观的结果。 根据数据量，这可能要花费几个小时或几天。 管理员可以减少数据量，但这可能不会以最佳方式影响分析的准确性。 预测性IT分析必须防止出现问题，以提高可用性并优化IT资源管理。 要发送错误信号并响应事件，必须实现其他方法。
预测性IT分析无法消除可能影响应用程序堆栈的所有可能的事件。 大规模断电，云供应商的工作中断以及重大设备故障都可能完全出乎意料地发生。 但是，您的组织拥有的数据越多，您可以获得的效果就越好。 要获得成功，您必须了解该技术的缺点和优势，并充分利用其功能。