应用性能监控（APM）是一个发展成熟的行业，其起源可追溯至互联网成为平台之前。它最初仅限于数据中心，后来随着了解互联网环境下用户体验的需求日益增长而迅速兴起。
被动监控
第一阶段主要采用被动技术，尝试通过合成事务了解用户体验。拥有遍布互联网的高度分布式接入点的供应商在这一阶段占据主导地位。被动监控让网站运营商能够回顾应用面向全球日益分散的用户群时的历史性能表现。
被动技术是衡量用户体验的首次真正尝试。它主要根据接入点与应用之间的网络路径，提供对性能的通用平均评估。由于大多数接入点位于互联网骨干网之上或附近，因此无法考虑骨干网与客户端之间“最后一公里”所产生的影响。
此外，依赖合成事务往往无法准确反映真实的用户交互或事务。因此，由此得出的测量结果更能反映互联网的运行状况和应用的可用性，而非用户体验。
被动监控系统非常擅长识别导致应用性能问题的互联网中间节点，但不太擅长识别客户端或应用问题，也难以监控真实的用户体验。
主动监控
这些不足催生了一种更主动的技术：主动监控。在这一阶段，主流厂商会在客户端应用中插入少量代码，从而提供更准确的性能数据。这些解决方案不仅解决了最后一公里问题，还能识别渲染对应用性能的影响。通过监控实时交互，主动监控能够更真实地反映用户体验。
主动监控弥补了被动监控的不足。如今，我们可以收集覆盖整个用户体验的数据，包括客户端、网络、应用及其后端系统。
但这并不意味着监控技术的演进已经结束。虽然我们已满足识别现有性能问题这一基本需求，但这已远远不够。近三分之一（32%）的客户表示，“即使是自己喜爱的品牌，只要经历一次糟糕的体验，也会停止与其往来。”（PWC）
事后才发现问题所在已经不够。对企业而言，提前识别可能出现问题的位置正变得越来越重要，也就是在问题发生之前。
因此，我们认为下一阶段的监控将具备预测能力。
预测性监控
预测性监控通常与机器学习相关联，这是有充分理由的。能否预测故障或性能问题，完全取决于经验。对于应用性能而言，这些经验来自成百上千次以往用户体验的数据。
借助覆盖整个应用数据路径各个层面的丰富用户体验数据，分析工具可以发现一系列复杂变量之间的模式和关系，例如时段、位置、业务职能、浏览器、操作系统和网络。预测问题的能力取决于所有这些组件之间的关系和交互，以及各组件的当前状态。
预测性监控能够识别特定组件的离群和异常性能表现，从而确定可能影响用户体验的条件并发出警报。
如果能够及早发出警报，就可以在问题影响业务之前采取措施纠正相关情况。
我们认为，预测性监控不仅是应用性能监控的下一阶段演进，也是必然趋势。随着组织日益依赖应用，这些应用对企业稳健运营的重要性，已不亚于装配线上的任何一台机器。
正如预测性维护是耐用品制造中的一项关键能力，预测性监控也将成为数字体验交付中的一项关键能力。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
2023年应用策略现状：成本与复杂性是推动多云网络发展的首要因素
多云网络解决方案可在核心、云和边缘环境之间实现无缝、安全的互联，为解决当今混合IT面临的挑战提供支持，因而备受业界关注。