什么是真正的APM？

近 年來APM行業被越來越多的企業所關注，尤其是在2014年末，NewRelic的成功上市，更加激發了人們對這個行業前景的無限遐想。那么究竟什么是 APM?APM的目的是什么?要求我們做什么?有不少企業對APM的理解其實是有偏差的，本文將向您闡述一個真正完整的APM概念。

APM 是Application Performance Managment的縮寫，字面意思很容易理解，“應用性能管理”。它是由Gartner歸納抽象出的一個管理模型。注意，這個管理模型的由來，是經過大 量調研與分析后的歸納與抽象，這些切實需求由來已久，IT從業者們對它的理解與實踐也幾乎是從IT誕生至今就已開始，這并不是一次發明。

從上圖中可以清楚看到APM模型中一共分了五個層次，下面就這五個層次逐一說明。

1. End User Experience

What：終端用戶體驗。APM首先關注的是終端用戶對應用性能的真實體驗。

Why：不 是監測點的，也不是骨干網核心機房的，而是真實用戶的切實體驗到的性能。可能一個電影播放服務的性能優化做得很棒，但是用戶打開瀏覽器或打開APP，發現 點播某個電影時卻慢得離譜，問題會出在哪里呢?用戶不清楚點擊播放按鈕之后，發生的一切事情，用戶只是感知到了慢、不能播放、往復播放等等很多不好的體 驗，用戶反饋了問題或投訴了，產品和研發不能準確重現，問題來了。

也 許用戶瀏覽器太過陳舊，也許是某個JS腳本的兼容性問題，也許用戶本地網絡丟包嚴重、首字節響應時間很長，也許是服務器集群網絡不穩定、某組機器脫離了均 衡池…… 太多也許了。而這些猜測是，最不好把控的，就是用戶客戶端環境，Server端好比自家的菜地，菜好菜賴總是清楚的，可再好的菜賣到飯館，廚子怎么樣菜農 怎么知道?

幫助應用管理者準確、詳盡地了解真實的用戶體驗是什么樣子，這是APM首先要解決的問題。

How：對 于Web應用來說，在用戶請求到的每一個頁面下面追加一段js腳本，用js收集并發回數據，是最普遍的做法;對于移動App來說，在APP發布前 build進SDK，通過系統與語言Hook來收集數據，也是很直截了當的。至于這二者具體的做法，容后文再細聊，此篇不贅。下列簡單截取了幾張圖片，來 源透視寶。

2. Runtime Application Architecture

What：應用架構映射。

Why: 曾經與多名CTO深入探討過這個問題(其中不乏已經上市的企業)：你們有完整的應用架構圖嗎?得到的回答不少是閃爍其詞的，有的CTO很直接地搖搖頭。更 有甚者是這么回答的，公司應用系統年代久遠，就算目前所有的架構師專職繪圖，也很難在短時間內完成全部的應用架構圖。

大多數企業的應用架構，是黑盒或灰盒，這就是現狀。

假如應用架構圖是完整的，那么還有一個需求即：針對于某次故障請求的真實請求鏈路拓撲。是的，負載均衡一共分發了N臺機器作為集群，但承接某次具體請求的是集群中的某些機器，那么，是哪些機器?它們當時的性能是什么樣子?請求順序是怎樣的?

How: 云智慧透視寶實現了應用的完整架構：

與單次請求的應用架構：

可以看到，在上面的示例中，完美了解決了我們在應用架構層面遇到的問題。

具體做法，我們將在后續文章中單獨介紹，其中包含了web容器插件、編程語言Hook插件等技術細節。

3. Business Transactions

What：應用事務分析

Why：當然這里說的事務不是DB事務。這里指應用與用戶交互的操作事務。舉個例子：用戶登錄網站后，使用搜索功能搜索了耳機，從耳機列表中，選擇了自己喜歡的耳機，打開查看詳情，款式音效價格看來都不錯，放入購物車，然后打開購物車進行購買，完成支付。

整個例子中，我們所說的事務可以抽象為：

登錄 -> 搜索 -> 挑選 -> 購買 -> 支付

所以，單純的記錄登錄成功率、購買成功率的意義不會至于大到分析整個應用的健壯穩定程度，準確地分析出整體事務的相互影響象限，才會。

How： 熟悉GA的朋友都知道，GA花費了大量的力量以實現上述我們所描述的應用事務。但令開發者痛苦的是，必須要在代碼中“埋點”，即在代碼中的關鍵位置寫入一 行代碼，以實現在關鍵位置的追蹤，而業務總不是一成不變的，于是隨著業務發展，“埋點”這個事情使得應用總在不停地修改、發布、修改、發布。

其實，用戶在客戶端(瀏覽器、APP)所進行的所有操作，很明顯，是有序的。要完成應用事務的記錄，要完成的需求其實只是兩個惟一性：

1、確定上下文的事務操作，是同一個用戶;

2、確定所有事務操作的每一個步驟，是惟一一個動作。

于是我們便可對某一個應用取得的數據分析出以下應用事務，而整個過程中，用戶不需要修改任何一行代碼(無須埋點)。具體的實現細節，后續會專門出文介紹。

4. Deep Dive Component Monitoring

What：深度應用診斷

Why： 關鍵詞是“深度”。比如某在線商城，接到了上海用戶的反饋，登錄慢，不響應。這其中可能出現問題的環節太多了：CDN可能有問題、Web Server或DB Server負載可能過高、業務代碼中可能有bug、中間件可能不響應、甚至任何一個環節的物理磁盤或物理網卡可能出現了故障，等等。想要準確地找到問題 所在，即使不經一番寒徹骨，八成也要先打個冷戰。

How：這里有幾個難點是：

1、在不修改用戶代碼的前提下，取得代碼運行時性能數據;

2、終端用戶數據、運行時性能數據、物理指標數據、服務運行指標數據，有效關聯;

3、有太多需關注的點，怎樣方便快捷地部署采集端;

4、不影響或很少影響原應用性能。

以上也正是APM提出的需求。

一 鍵式的、無干預的安裝部署與更新升級，以替代繁瑣的部署與升級;采用各個語言的底層Hook來針對性地編寫語言Agent插件，以此實現不修改用戶代碼而 取得運行時性能數據;通過主機、應用、服務、請求的惟一標識，來進行有效的數據關聯;通過特有的數據采樣算法來達到2%以下的性能影響;一體化的數據模 型，以替代密集的數據孤島。這段特征，描述的是云智慧透視寶的Smart Agent。(同樣，實現細節請待后文。)

5. Analytics / Reporting

What：分析與報告

Why：簡單地講，APM對數據有兩點要求：

1、數據處理要及時，必要時候要做到實時的處理，問題可能隨時都會發生;

2、數據的分析報告要精確，大量的數據本身是無價值的，按照業務模型進行精確分析、預測才有其價值體現。

How：APM數據是天然的大數據，符合4V特征。因此難點幾乎與大數據處理的難點相重合：

1、數據模型語言要統一

2、數據存儲與查詢

3、大量復雜數據的關系建模

可 以看到，云智慧透視寶架構中Pipe Cluster的設計是對流數據的處理的核心部分，分布式、集群部署的Pipe Worker可實現實時的消息消費，同時基于此架構的Data Platform與Alter Engine可實時對任意維度的數據進行分析與預警。目前數據采集量720億條/每天，共存儲200,000億條數據。(后續將對此架構進行專文介紹。)

下圖是對比了國內外APM行業的各廠商對以上APM模型中五個層次的認識與支持程度：

來自：http://my.oschina.net/ciogao/blog/395520