application监控的下一阶段是预测性

application性能监控（APM）作为一个行业已经很成熟。 它的根源可以追溯到互联网作为平台出现之前。 它最初局限于数据中心，后来为了满足在互联网背景下了解用户体验的需求而兴起。

被动监控

第一阶段以被动技术为主，尝试使用合成交易来了解用户体验。 被动监控主要由在互联网上拥有高度分布的接入点的供应商主导，它为站点运营商提供了其应用在全球日益分布的用户群中运行的历史视图。

被动技术是衡量用户体验的第一次真正尝试。 他们主要根据接入点和应用之间的网络路径，提供了通用的平均性能观察结果。 由于大多数接入点都位于互联网主干网上或附近，因此无法考虑主干网和客户端之间“最后一英里”的影响。

此外，对合成交易的依赖通常无法准确地代表真实的用户交互或交易。 因此，结果测量结果更能反映互联网的健康状况和应用的可用性，而不是用户体验。

被动监控系统非常擅长识别互联网上的中间节点作为应用性能问题的根源。 他们不太擅长识别客户端或应用问题，也不擅长监控实际用户体验。 

主动监控

这些不足之处导致了一种更积极的技术：主动监控。 此阶段由供应商主导，他们在客户端应用中插入少量代码，随后提供更准确的性能数据。 这些解决方案解决了最后一英里的问题，并认识到渲染对应用性能的影响。 通过监控实时交互，主动监控提供了更为现实的用户体验视角。

主动监控解决了被动监控的不足，今天我们可以收集整个用户体验的数据——从客户端到网络到应用及其后端系统。 

但这并不意味着我们的监控进化已经完成。 因为虽然我们已经解决了识别现有性能问题的基本需求，但这已经不够了。 几乎三分之一 (32%) 的消费者“在一次不愉快的经历后就会停止与他们喜爱的品牌做生意。”（普华永道） 

事后才发现问题所在是不够的。 对于企业来说，在问题发生之前确定可能发生在哪里变得越来越重要。

这就是我们相信下一阶段的监测将具有预测性的原因。

预测监测

预测监控通常与机器学习相关联，这是有充分理由的。 预测故障或性能问题的能力完全取决于经验。 就应用性能而言，这种经验来自于数百、数千个以前的用户体验的数据。

通过涵盖整个应用数据路径广度和深度的有关用户体验的强大数据集，分析可以发现一组复杂变量（例如一天中的时间、位置、业务功能、浏览器、操作系统和网络）之间的模式和关系。 预测问题的能力基于所有这些组件之间的关系、交互和当前状态。

通过识别给定组件的异常和异常性能，预测监控可以识别用户体验可能受到影响的情况并发出警报。

如果及早发出警报，就可以采取措施纠正情况，以免问题影响业务。

我们相信，预测不仅是应用性能监控的下一步发展，而且是必要的发展。 随着企业对应用的依赖不断增加，这些应用对于企业的健康变得和装配线上的任何机器一样重要。

正如预测性维护是制造耐用品的关键能力一样，预测性监控也将成为提供数字体验的关键能力。