blackzheep - stock.adobe.com
Predictive Analytics verbessert Überwachung verteilter Apps
Datenanalysen zur App-Performance liefern kein unmittelbares Ergebnis. Predictive IT Analytics kann das Beseitigen von Leistungsproblemen beschleunigen.
Unternehmen betreiben heute für gewöhnlich Anwendungen auf mehreren Plattformen – lokal im eigenen Rechenzentrum, in einer oder mehreren Cloud-Umgebungen oder in allen Umgebungen zusammen. Sie verwenden dabei verteilte Architekturen und stellen Code als Microservices und in Containern bereit.
Im Vergleich zu monolithischen Anwendungen verringern verteilte Anwendungen beim Monitoring die Sichtbarkeit sowie die Effektivität und Genauigkeit der Analyse. Unternehmen sollten daher die richtigen Tools auswählen und einen Monitoring-Prozess für verteilte Anwendungen einrichten.
Mit dem Trend zu verteilten Anwendungen und zum verteilten Computing tauchen gleichzeitig immer mehr Predictive Analytics Tools auf. Diese sollen vor allem Probleme der reaktiven IT bekämpfen. Dazu werten diese Werkzeuge aktuelle Statistiken, Trends und historische Daten aus und nutzen Techniken wie Machine Learning und Data Mining. Diese helfen, Prognosen und Handlungsvorschläge zu zukünftigen oder unbekannten Ereignissen zu machen.
Obwohl die Tools alles andere als sicher sind, können durch vorausschauende IT-Analysen enorme Kosteneinsparungen erzielt werden. Predictive Monitoring und Analytics lösen jedoch nicht jedes Problem, denn IT-Abteilungen müssen immer noch entscheiden, was sie überwachen und wann sie etwas überwachen.
Verteilte Probleme
Moderne Anwendungen haben sich vom monolithischen Single-Server-Installationsdesign zu einem verteilten Ansatz mit mehreren beweglichen Systemen verlagert, die sich auf noch mehr beweglichen Systemen der IT-Infrastruktur befinden. Die gesamte Überwachung darf deshalb nicht nur einen einzigen Schwerpunkt haben. Stattdessen muss sie ein breites Netz von Ressourcen abdecken, zum Beispiel externe Speicher, Netzwerke und Rechenleistung.
Predictive Analytics bei verteilten Anwendung ist deutlich komplizierter als bei nicht-verteilten Applikationen. Um herauszufinden, welche Anwendungs- und Infrastrukturaspekte zu überwachen sind, beginnen Sie am besten oben und unten am Stack und verbinden die Teile in der Mitte. Das obere Ende ist dabei die Erfahrung des Kunden mit der Anwendung.
Der Client-seitige Aspekt der Anwendung ist entscheidend für die allgemeine Leistungsbewertung. Dies lässt sich aber nur schwer mit Predictive Analytics erreichen. Probleme bei der Anwendungsleistung, zum Beispiel Features, die manchmal funktionieren und manchmal nicht, können scheinbar zufällig auftreten und sind daher schwer vorhersehbar. Dennoch ist die Kundenerfahrung der Maßstab für die Validierung von Analyseinformationen.
Der Wert von Predictive-Analytics-Systemen sinkt, wenn die Informationen nicht über mehrere Systeme hinweg verwendet werden können, um ein vollständiges Bild zu erhalten. Ohne dieses ist es schwierig, die Auswirkungen der Probleme eines Systems auf dem gesamten Anwendungs-Stack zu bestimmen. Die Tage der Silo-Applikation sind vorbei, sie wurden abgelöst von miteinander verbundenen Bestandteilen. Für den Betrieb entsteht so ein Puzzle mit vielen fehlenden Teilen.
Was soll verfolgt werden
Die lückenlose Überwachung verteilter Anwendungen würde eine kleine Armee von Mitarbeitern der operativen IT erfordern. Außerdem benötigt man mehrere IT-Analyse-Tools für Cloud- und lokale Systeme. Wenn man kein unbegrenztes Budget für die Überwachung hat, ist das nicht machbar. Der Schlüssel zum Erfolg von Prognosewerkzeugen ist das Sammeln, Austauschen und Nutzen von Daten – mehr noch als Machine Learning oder das Erkennen von Trends.
Verknüpfen Sie Predictive IT Analytics mit der Kundenerfahrung, um sicherzustellen, dass die Installation die Informationen enthält, auf die die IT-Abteilung reagieren muss. Mit Hilfe der Kundenerfahrungen kann das Operations-Team des Unternehmens die Auswirkungen von Fehlern und Ausfällen auf die Kunden entweder verhindern oder minimieren – zumindest aber die Auswirkungen verstehen, um dann schnellstmöglich Abhilfe zu schaffen.
Einschränkungen von Predictive IT Analytics
Das Ziel von Predictive IT Analytics beim Monitoring verteilter Anwendungen ist es, Probleme zu erkennen und zu vermeiden. Aber nicht jeder Fehler oder Vorfall ist vermeidbar. Analytics kann nicht in Echtzeit erfolgen.
Ein wesentliches und sinnvolles Anliegen ist die Laufzeit von Predictive IT Analytics. Machine Learning und Data Mining gehen nicht Hand in Hand mit Echtzeit-Reporting. Sowohl das Management als auch IT-Mitarbeiter müssen verstehen, dass Predictive-Analytics-Systeme Zeit benötigen, um genügend Daten zu verarbeiten und zu analysieren, bevor sich die Investition mit nützlichen Erkenntnissen auszahlt.
Je nach Datenvolumen kann die Dauer zwischen Stunden und Tagen variieren. Zwar können Administratoren den Prozess beschleunigen, indem sie den Datensatz reduzieren, dies gefährdet jedoch die Genauigkeit der Analyse. Das Ziel von Predictive IT Analytics ist die Vermeidung von Problemen zugunsten eines besseren Kundenerlebnisses und IT-Ressourcen-Managements. Für einen sofortigen Alarm und eine sofortige Reaktion auf Vorfälle müssen sich Unternehmen auf andere Methoden verlassen.
Predictive IT Analytics kann nicht jedes zufällige Ereignis berücksichtigen, das sich auf dem Anwendungs-Stack auswirken kann. Großflächige Stromausfälle, Cloud-Anbieter, die offline gehen, und massive Hardwareausfälle sind Ereignisse, die nicht zu erwarten sind. Aber je mehr Daten Ihr Unternehmen hat, desto besser sind die Ergebnisse. Der Schlüssel zum Erfolg liegt darin, die Grenzen und den Nutzen der Technologie zu verstehen und innerhalb dieser Parameter zu arbeiten.
Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!
