Una vez más, APM recopila datos de rendimiento de las aplicaciones de software, los analiza para detectar posibles problemas de rendimiento y proporciona información o toma medidas para acelerar la resolución de esos problemas. La principal diferencia en la forma en que recopilan y analizan los datos es la diferencia entre la supervisión del rendimiento de la aplicación y la observabilidad.

Supervisión del rendimiento de aplicaciones

En la supervisión del rendimiento de las aplicaciones, los agentes se implementan en todo el entorno de la aplicación y la infraestructura de soporte, para "supervisar" el rendimiento mediante muestreos del rendimiento y métricas relacionadas con el rendimiento (a veces llamadas telemetría), por lo general con una frecuencia de una vez por minuto. Estos agentes realizan

• La supervisión de la experiencia digital recopila métricas de rendimiento (como tiempo de carga, tiempo de respuesta, tiempo de actividad, tiempo de inactividad) de la interfaz de usuario en el dispositivo del usuario final. (Esto solía llamarse supervisión de la experiencia del usuario final, pero se amplió para reconocer que las entidades no humanas, como robots u otros componentes de software, también interactúan con la aplicación y tienen expectativas de rendimiento propias). La supervisión de la experiencia digital generalmente admite la supervisión de usuarios reales, que supervisa la experiencia de un usuario real en el sistema, la supervisión sintética, para pruebas de rendimiento en entornos de producción y no producción.
• La supervisión de aplicaciones  incluye la supervisión de todo el lote de aplicaciones: marco de la aplicación (por ejemplo, Java o .NET), sistema operativo, base de datos, API, middleware, servidor de aplicaciones web, interfaz de usuario, así como supervisión de la infraestructura de TI  que muestra factores como la utilización de la CPU, el espacio en disco y rendimiento de la red. La supervisión del lote generalmente incluye un seguimiento a nivel de código, que puede ayudar a detectar partes de código que podrían estar causando un cuello de botella en el rendimiento.
• La supervisión de la base de datos  muestra el rendimiento de las consultas o los procedimientos SQL, además de la supervisión de la base de datos proporcionada por los agentes de supervisión de la aplicación.
• La supervisión de disponibilidad  supervisa la disponibilidad real de aplicaciones y componentes de hardware  (porque las aplicaciones pueden generar datos de rendimiento incluso cuando no son accesibles para el usuario final).

Además de recopilar datos de rendimiento, estos agentes realizan perfiles de transacciones definidos por el usuario, rastreando cada transacción desde la interfaz de usuario o dispositivo del usuario final a través de cada componente de aplicación o recurso involucrado en la transacción. Esta información se utiliza para determinar las dependencias de las aplicaciones y para crear un mapa de topología: una visualización de las dependencias entre la aplicación y los componentes de la infraestructura, idealmente en las instalaciones, la nube privada, la nube pública (incluido cualquier solución de software como servicio o SaaS) y/o entornos de nube híbrida. 

Las soluciones de APM suelen proporcionar un controlador y un panel centralizado donde las métricas de rendimiento recopiladas se agregan, analizan y comparan con las líneas de base establecidas. El panel alerta a los administradores del sistema sobre desviaciones de las líneas de base que indican problemas de rendimiento reales o potenciales. También proporciona información contextual y conocimientos prácticos que los administradores pueden utilizar para solucionar y resolver los problemas.

Observabilidad

APM es lo suficientemente eficaz para supervisar y solucionar problemas de aplicaciones monolíticas o aplicaciones distribuidas tradicionales, donde se publica nuevo código de forma periódica y los flujos de trabajo y las dependencias entre los componentes de la aplicación, los servidores y los recursos relacionados son bien conocidos o fáciles de rastrear.

Pero hoy, a medida que las organizaciones adoptan prácticas de desarrollo modernas y tecnologías nativas de la nube (metodologías Agile y DevOps, microservicios, contenedores Docker, Kubernetes y funciones sin servidor), están implementando nuevos componentes de aplicaciones con tanta frecuencia, en tantos lugares, en tantos idiomas y durante períodos de tiempo tan variables que el muestreo de datos de una vez por minuto de las soluciones de supervisión tradicionales no puede mantenerse al día.

La observabilidad intercambia los agentes de supervisión tradicionales con instrumentación que recopila datos contextuales y de rendimiento sin parar, y utiliza técnicas de machine learning para correlacionar y analizar los datos en tiempo real. Con una solución de observabilidad, los equipos de desarrollo, operaciones de TI e ingeniería de confiabilidad del sitio (SRE) pueden:

• Descubrir y abordar 'incógnitas desconocidas'. La supervisión tradicional solo busca desviaciones conocidas de las líneas de base conocidas. La funcionalidad de machine learning  de una plataforma de observabilidad puede detectar patrones en la telemetría de rendimiento para identificar nuevas desviaciones que se correlacionan con problemas de rendimiento. 
• Detectar y resolver problemas desde el inicio del desarrollo. La observabilidad permite a los equipos de DevOps integrar la supervisión en las primeras fases del proceso de desarrollo de software, para que puedan probar, identificar y solucionar problemas en el nuevo código antes de que afecten la experiencia del cliente o los SLA.
• Escale la observabilidad automáticamente. Por ejemplo, los desarrolladores pueden especificar la instrumentación de observabilidad como parte de la configuración de un clúster de Kubernetes, de modo que cualquier nuevo clúster comience a recopilar telemetría desde el momento en que gira hacia arriba hasta que gira hacia abajo.

La observabilidad no reemplaza la supervisión,  sino que permite una mejor supervisión y una mejor APM.

Hoy en día, las herramientas de APM aprovechan la observabilidad y la inteligencia artificial en diversos grados. Algunos combinan la supervisión del rendimiento de las aplicaciones tradicionales con la inteligencia artificial para automatizar el descubrimiento de las rutas de transacciones cambiantes y las dependencias de las aplicaciones. Otros combinan la observabilidad con la inteligencia artificial para determinar automáticamente las líneas de base de rendimiento y filtrar las señales, o insights accionables, del 'ruido' de los datos de gestión de operaciones de TI (ITOM). El analista de la industria Gartner encuentra que las organizaciones pueden lograr una "reducción del ruido del 60% en ITOM mediante el uso de herramientas aumentadas por IA".

El objetivo final, y el futuro de las operaciones de APM y TI, es combinar la observabilidad con la inteligencia artificial para las operaciones de TI, o AIOps, para crear una infraestructura de recuperación y optimización automáticas. Juntos, el flujo constante de telemetría de observabilidad en tiempo real  y machine learning y automatización AIOps pueden prever problemas de rendimiento de las aplicaciones en función de los resultados del sistema, resolverlos antes de que afecten la experiencia o las operaciones del usuario final, e incluso tomar acciones para optimizar el rendimiento de las aplicaciones, todo sin intervención de gestión.

La gestión del rendimiento de las aplicaciones es solo una parte de la modernización de su organización a medida que la necesidad de automatización se amplía en las operaciones comerciales y de TI. El cambio hacia una mayor automatización debe comenzar con pequeños proyectos exitosos, que luego puede escalar y optimizar para otros procesos y en otras partes de su organización.

Al trabajar con IBM, tendrá acceso a funcionalidades de automatización impulsadas por la IA , incluyendo flujos de trabajo preintegrados, para hacer que cada proceso de los servicios de TI sea más inteligente, lo que permitirá a los equipos centrarse en los problemas de TI más importantes y acelerar la innovación.

Dé el siguiente paso:

• IBM Cloud Pak® for Watson AIOps utiliza machine learning y el conocimiento del lenguaje natural para correlacionar datos estructurados y no estructurados en toda la cadena de herramientas de operaciones en tiempo real con el fin de descubrir información oculta e identificar las causas más rápidamente. Al eliminar la necesidad de varios paneles, IBM Cloud Pak for Watson AIOps introduce insights y recomendaciones directamente a los flujos de trabajo de su equipo para acelerar la resolución de incidentes.
• Vea IBM Cloud Pak for Watson AIOps en acción en las demostraciones.

• IBM Observability with Instana ofrece funcionalidades de automatización basadas en inteligencia artificial líderes en la industria para gestionar la complejidad de las aplicaciones modernas que abarcan entornos de nube híbrida. Instana se combina con IBM Cloud Pak for Watson AIOps para ofrecer una plataforma de observabilidad líder para la corrección automatizada, impulsada por un flujo continuo de datos de telemetría contextualizados.

• Regístrese para descargar el Informe de Gartner y descubrir cómo preparar sus operaciones de TI para el futuro con IA.
• Descargue IBM Cloud infographic (PDF, 467 KB) que muestra los beneficios de la automatización basada en IA para las operaciones de TI.
• Lea acerca de los cinco puntos "imprescindibles" para el éxito de la automatización (enlace externo a ibm.com) en este informe de HFS Research.

Empiece con una cuenta de IBM Cloud hoy mismo.