APM的前世今生，和未来

有研究表明，用户最满意的打开网页时间是在2秒以下；用户能够忍受App的最长等待时间在6～8秒之间。也就是说，超过8秒这个临界值，用户很有可能会离你而去。而要想留住这些人，那就需要在APM上投入更多的技术支持。同时，随着移动化、多元化市场环境的出现，对应用性能优化的需求也在不断的增加，要求更为严苛。

APM是什么，来源何处？

APM全称是Application Performance Management & Monitoring，即应用性能管理和监控，通过监测和分析应用的表现去保证软件应用的良好运行，提升用户体验。

要说起APM的源头，会让人不禁想起上世纪90年代末，第一代互联网兴起的时期，互联网公司如雨后春笋般破土而出。当时互联网还处于起步阶段，应用的响应速度无法满足互联网行业的发展速度。至此，应用响应管理概念被提出，Tivoli与HP公司在1996年从应用程序层面出发开发了应用响应管理开发包。

而到后来很多互联网企业随着一些故障、带宽、数据管理等问题陆续的出现， APM雏形慢慢建立起来。1998年，面向商业化管理的APM产品出现，已经发展到了以组件为中心的基础设施监控，分别从系统，中间件，数据库等方面监控，这也是APM发展的中期。但在国内接触到APM概念的IT企业极少，也没有形成完整的标准和产品流程。

值得慨叹的是，IBM、CA、HP、Oracle这些早期提出APM概念的公司在APM行业里增长非常缓慢，原因在于早期APM重系统，轻交互，跟当下IT环境格格不入，没有面向用户，项目周期过长，运维人员维护成本高，易用性非常低。

APM的发展现状

近几年，移动设备的普及带动了新的移动访问方式，用户对App性能体验更为苛刻，Gartner就提出了5个维度模型标准来解决性能需求：最终用户体验监控、用户自定义事务处理剖析、应用组件发现和建模、应用组件深入监控、应用性能数据库功能。当然这样的标准更适用于国外的厂商，例如New Relic、AppDynamics、Compuware等等。

很遗憾，国外APM提供商在中国的本地化战略一直水土不服，举步维艰。不过值得庆幸的是，国内在APM解决方案方面有很多的进步，不管是APM厂商，还是像BAT、美团、京东这样的大公司，都在应用性能上有自己适用的解决方案。例如在服务端、移动端、前端监控方面很出色的美团CAT监控系统更是广为人知。

为什么APM很重要，备受关注？

不难发现，多数企业在往数字化模式推进，整个过程需要解决很多挑战，在用户环境越来越负责的业务层面上不断的更新需求，提升用户期望值，包括在功能、性能等多个维度方面。而APM可以在这方面给出很适中的解决方案，在一定程度上帮助企业克服这些棘手的问题。

APM的作用不仅仅是在监控、管理上，还会在问题发现，处理速度，提高协作效率等方面发挥巨大的潜力：

• 获取监控数据
• 快速响应
• 帮助开发测试团队提升质量
• 提供评估指标
• 对漏洞进行预警
• 分析异常数据状况

除此之外，APM作为一个能够整合企业的业务环境，从开发、测试，再到运维的工具，最重要之处在于将整个开发环境作一个持续的交互，从开发工具开始，串联到测试环境、源码的管理，以及构建的自动化过程变得非常简单，任何代码的改动、测试过程、数据的收集，都可以实现自动化，让整个开发周期的管理过程大幅度缩短。

一级企业如何利用APM技术实现对软件的管理？

对于这一点，阿里巴巴/蚂蚁金服蚂蚁金服JVM Architect李三红老师也根据蚂蚁金服APM在Monitoring方面的实践，做了介绍：

如果我们从软件栈的这个角度来看应用性能“监控”，在不同软件层次上对应有不同的性能监控系统。以阿里技术为例，在Application这个层面，淘宝开发了EagleEye，一个分布式调用追踪系统，通过收集和分析在不同的网络调用中间件上的日志埋点，为系统调用瓶颈分析、链路容量估算，异常快速定位提供帮助。蚂蚁金服也有自己的Application级别的Tracer组件，通过追踪Java分布式环境下的调用链路，帮助从前端到后端的问题快速定位（感兴趣的读者可以参考往届QCon大会分享）。无论是EagleEye还是Tracer，它们的监控级别都是深入应用层面的，“埋点”实现大多和业务逻辑放在一起实现，所以应用本身对这种监控是有感知的。

而在系统这个层面，阿里也在构建基于AliOS（Alibaba OS）以及AJDK（Alibaba JDK）的“系统级”性能监控系统，基于高质量的OS，JVM profiling信息，同时“关联”应用级别性能数据指标比如调用链路，Response Time统计等，我们希望通过大数据分析手段，机器学习技术，对变得日趋复杂的分布式系统软件，面对性能，故障等问题能够做到事先积极预防，事后快速定位。

未来APM是什么样的走向？

正如AppDynamics首席数据科学家赵宇辰所说，目前DevOps在一些企业的用户案例中存在很多痛点，需要通过更合时宜的手段寻求好的解决方案。所以，接下来如何利用数据和机器学习来提供更精准、更有效的下一代APM解决方案是当务之急，也是很多公司正在花大力气研究的方向。另外，从各相关公司当前的发力状况来看，APM正在向集业务可视化、高度自动化、全天候不间断跟踪监控等特征为一体的3.0时代迈进。可见，未来的APM不管是在技术层面，还是在市场方面，都有很多亮点值得我们去期待。