開始監(jiān)控JAVA應(yīng)用，快速接入Agent。

為應(yīng)用配置進(jìn)程發(fā)現(xiàn)規(guī)則，采集器會(huì)主動(dòng)上報(bào)運(yùn)維數(shù)據(jù)。

業(yè)務(wù)痛點(diǎn)

分布式微服務(wù)架構(gòu)下的應(yīng)用，雖然豐富多樣且開發(fā)效率高，但是給傳統(tǒng)運(yùn)維診斷技術(shù)帶來了巨大挑戰(zhàn)。以電商為例，主要遇到如下問題：

定位問題難

客服人員接到用戶反饋商品購買出現(xiàn)問題后，會(huì)交由技術(shù)人員排查解決。而微服務(wù)分布式架構(gòu)中的一個(gè)業(yè)務(wù)請(qǐng)求通常要經(jīng)過多個(gè)服務(wù)/節(jié)點(diǎn)后返回結(jié)果。一旦請(qǐng)求出現(xiàn)錯(cuò)誤，往往要在多臺(tái)機(jī)器上反復(fù)翻看日志才能初步定位問題，對(duì)簡(jiǎn)單問題的排查也常常涉及多個(gè)團(tuán)隊(duì)。

架構(gòu)梳理難

在業(yè)務(wù)邏輯變得逐漸復(fù)雜以后，很難從代碼層面去梳理某個(gè)應(yīng)用依賴了哪些下游服務(wù)（數(shù)據(jù)庫、HTTP API、緩存），以及被哪些外部調(diào)用所依賴。業(yè)務(wù)邏輯的梳理、架構(gòu)的治理和容量的規(guī)劃（例如活動(dòng)的準(zhǔn)備過程中，需要為每個(gè)應(yīng)用準(zhǔn)備多少臺(tái)機(jī)器）也變得更加困難。

業(yè)務(wù)實(shí)現(xiàn)

APM提供大型分布式應(yīng)用異常診斷能力，當(dāng)應(yīng)用出現(xiàn)崩潰或請(qǐng)求失敗時(shí)，通過應(yīng)用拓?fù)?調(diào)用鏈下鉆能力分鐘級(jí)完成問題定位。

可視化拓?fù)洌簯?yīng)用拓?fù)渥园l(fā)現(xiàn)，異常應(yīng)用實(shí)例無處躲藏。

調(diào)用鏈跟蹤：發(fā)現(xiàn)異常應(yīng)用后，通過調(diào)用鏈一鍵下鉆，代碼問題根因清晰可見。

慢SQL分析：提供數(shù)據(jù)庫、SQL語句的調(diào)用次數(shù)、響應(yīng)時(shí)間、錯(cuò)誤次數(shù)等關(guān)鍵指標(biāo)視圖，支持異常SQL語句導(dǎo)致的數(shù)據(jù)庫性能問題分析。

業(yè)務(wù)痛點(diǎn)

在用戶體驗(yàn)至上的互聯(lián)網(wǎng)時(shí)代，即使后臺(tái)業(yè)務(wù)穩(wěn)定運(yùn)行，仍然無法獲悉用戶訪問系統(tǒng)時(shí)的具體情況，因而定位線上用戶偶現(xiàn)的前端問題變得非常困難。一個(gè)系統(tǒng)上線之后，訪問時(shí)的大量報(bào)錯(cuò)導(dǎo)致用戶無法正常使用，如果我們無法及時(shí)獲知，就會(huì)導(dǎo)致流失大量用戶，如果用戶反饋頁面的使用情況，我們能否第一時(shí)間復(fù)現(xiàn)用戶的使用場(chǎng)景；能否知曉用戶遇到的詳細(xì)報(bào)錯(cuò)信息而快速修復(fù)。

業(yè)務(wù)實(shí)現(xiàn)

APM提供應(yīng)用體驗(yàn)管理能力，實(shí)時(shí)分析應(yīng)用事務(wù)從用戶請(qǐng)求、服務(wù)器到數(shù)據(jù)庫，再到服務(wù)器、用戶請(qǐng)求的完整過程，實(shí)時(shí)感知用戶對(duì)應(yīng)用的滿意度，幫助您全面了解用戶體驗(yàn)狀況。對(duì)于用戶體驗(yàn)差的事務(wù)，通過拓?fù)浜驼{(diào)用鏈完成事務(wù)問題定位。

應(yīng)用KPI分析：吞吐量、時(shí)延、成功率指標(biāo)分析，實(shí)時(shí)掌控用戶體驗(yàn)健康狀態(tài)，用戶體驗(yàn)一覽無遺。

全鏈路性能跟蹤：Web服務(wù)、緩存、數(shù)據(jù)庫全棧跟蹤，性能瓶頸輕松掌握

業(yè)務(wù)痛點(diǎn)

海量業(yè)務(wù)下，出現(xiàn)百種指標(biāo)監(jiān)控、KPI數(shù)據(jù)、調(diào)用跟蹤數(shù)據(jù)等豐富但無關(guān)聯(lián)的應(yīng)用運(yùn)維數(shù)據(jù)，如何通過應(yīng)用、組件和URL跟蹤等多視角分析關(guān)聯(lián)指標(biāo)和告警數(shù)據(jù)，自動(dòng)完成故障根因分析；如何基于歷史數(shù)據(jù)學(xué)習(xí)與運(yùn)維經(jīng)驗(yàn)庫，對(duì)異常事務(wù)智能分析給出可能原因。

業(yè)務(wù)實(shí)現(xiàn)

APM提供故障智能診斷能力，基于機(jī)器學(xué)習(xí)算法自動(dòng)檢測(cè)應(yīng)用故障。當(dāng)URL跟蹤出現(xiàn)異常時(shí)，通過智能算法學(xué)習(xí)歷史指標(biāo)數(shù)據(jù)，多維度關(guān)聯(lián)分析異常指標(biāo)，提取業(yè)務(wù)正常與異常時(shí)上下文數(shù)據(jù)特征，如資源、參數(shù)、調(diào)用結(jié)構(gòu)，通過聚類分析找到問題根因。