2019年全球APM与AIOps市场发展前瞻（1）APM智能化

每逢岁末年初，apmdigest都会组织行业顶尖的技术专家和企业高层，对全球apm市场和it运维市场的发展作出预测。过去两年，专家们在讨论apm的发展同时，陆续关注了大数据和数字化转型对于it运维的影响。2018年，人工智能无疑是全行业关注的焦点，本文亦将探讨机器学习、深度学习等ai技术和aiops智能运维在it领域应用的市场前景和行业影响。

同时，本文还涵盖了it运营分析（itoa），高级it分析（aia），it服务管理（itsm），终端用户体验管理（euem）以及基础设施监控（itim）等方面内容，希望对广大中国企业的it智能化转型和数字化变革提供参考。

part1. apm的智能化进程

具备根因分析的apm产品将大行其道

pm with root cause analysis

纵览it central station网站上80多个apm解决方案的400多条评论，我们看到广大用户希望apm解决方案能够更轻松地找出it问题的根本原因。在2019年，能够快速有效地深入研究问题并追踪其故障根源的apm产品将在市场上获得更多认可。

russell rothstein

founder ceo, it central station

随着云、容器和微服务架构被越来越多企业客户所采纳，apm的应用场景随之增加，只有将这些技术栈、节点的运行性能全部监测起来，才能满足各类企业（包括互联网企业和传统企业）的不同需求。但是面向全部技术栈的统一监控将成为apm产品的巨大挑战，因为微服务会导致多语言环境和循环依赖系统的监测难度呈指数级增长。因此，对于it能力较弱的传统行业用户来说，能够提供告警消噪和根因分析，以及更加详尽的描述性和规范性的性能分析报告的apm产品会是企业的最佳选择。

arun aravamudhan

principal architect, eg innovations

apm与日志分析融合

apm with log analysis

在过去一年里，我们接触到许多apm客户，他们不但需要监测应用性能，还需要把前端用户体验数据、应用性能数据和系统日志数据进行统一的关联分析，从而更快、更准确、更深入的追踪和发现故障与事件的根本原因。特别是当云、容器和微服务架构等新一代应用架构被广泛采用，任何一个环节的问题都可能引发业务的中断。2019年，融合了日志和apm能力的新一代解决方案，通过为数字化业务提供更加高效、精准的洞察力而成为中大型企业的首选。

殷晋

ceo, 云智慧

apm将面向新一代应用架构

apm evolves to handle modern app architectures 

越来越多的企业开始采用基于kubernetes和容器技术的新一代应用架构，apm也从单一的性能监测产品发展到智能化的平台级解决方案。大部分apm产品都将与机器学习、模式识别、关联分析和各种算法进行深度集成，以获得在复杂的大规模数据中追踪用户体验和应用性能的能力。此外，apm解决方案需要提供更简洁的数据采集分级、更灵活的可视化技术、更强的扩展能力，才能满足新一代应用架构的监测和分析需求。

amy feldman

director, product marketing, broadcom

apm赋能数字化转型

apm enables digital transformation 

虽然bsm（business service management）产品希望把apm纳入自身产品体系，但由于bsm技术成熟度问题，apm仍然是当前阶段数字化转型企业获得实时分析和可视化能力的关键组件。利用新一代apm监测和发现能力，企业有能力解决混合环境和成本失控带来的数字化转型成本、合规性和灵活性问题。

jeanne morain

author strategist, ispeak cloud

apm的移动化应用

mobile apm

现代企业要想取得成功，产品、服务和生产工具的移动化都是必不可少的。时至今日，移动应用已经颠覆了越来越多的传统行业和产品形态、服务形态、工作形态，消费者通过手机进行消费，员工用手机接收和处理工作，管理者通过移动设备实时监测和管理企业。用户对移动体验的要求越来越高，应用程序的运行性能也更加重要。因此，it团队必须确保apm解决方案能够通过漏斗分析和用户细分能力实现更高级的单一用户访问轨迹追踪和性能诊断。同时，机器学习功能对于管理海量移动数据的接入并减少开发工作量的帮助越来越大。

ashley george

product marketing manager, broadcom

apm与用户追踪

apm tracing

分布式追踪产品市场的火爆让越来越多的itsm、itom、itoa供应商和云服务商加入到apm产业中。过去，我们认为传统apm和opentracing是竞品关系，但从目前的用户需求来看，这并不是一个“二选一”的过程，而是应该“融为一体”，因为这样才能更好的利用opentracing应用程序上下文增强追踪能力来获得更全面的分布式追踪效果。此外，开源产品看起来很美，但企业在进行产品选型的时候，管理性、通用性、规划性和支持能力才是确保可持续发展的apm解决方案策略的关键。

amena siddiqi

product marketing director - steelcentral apm, riverbed

应用健康越来越重要

focus on app health

全面应用健康将取代传统apm指标，成为企业关注的焦点。就像我们去医院检查身体，希望得到有不同器官详细检测数据的体检报告，而不是医生“察言观色”的决断。因为应用性能不仅取决于应用程序本身，同样依赖于基础设施、网络和数以千计网络节点的正常运行。所以，在2019年，用户会更多地关注应用程序健康而不仅仅是apm，通过itim和全栈大数据运维更深入地了解支撑应用程序的基础设施运行状态，无论公有云、混合云还是私有云。

russ elsner

solutions architect, sciencelogic

apm市场的变化

changing apm market

目前，全球apm市场规模大约在60亿美元左右，预计在五年内达到90亿美元。思科收购appdynamics和broadcom收购ca只是一个开始，2018年出现的大量优秀初创公司，会导致2019年apm相关合并和收购的增加。

hayden james

linux systems analyst, haydenjames.io

it性能和业务效能指标将会达成一致

aligning it performance business metrics

在电商渠道收入持续增长和传统渠道营收不断萎靡的今天，改善用户体验和应用性能比以往任何时候都更加重要。消费者通过不同渠道和消费路径与经销商的后台系统进行交互，而it团队必须采用有效的apm解决方案，以便实时监测和分析用户到设备或设备之间的用户访问路径的最优解。而将业务指标与it性能指标保持一致，有利于更好地分析it性能如何直接影响企业营收。

ashley george

product marketing manager, broadcom

api监测

api monitoring

经济一体化不仅体现在传统经济形态中，对于数字经济同样举足轻重，api将数字化产品连接起来。目前，大多数企业刚刚开始推动其api监控策略，到了2019年，我们可以预期api监控会持续增加。随着关键业务对api的依赖增强，api监控策略将成为解决api问题的必要条件。

denis goodwin

director of product management, alertsite by smartbear

一体化监控

holistic monitoring

在过去的几年里，云、saas和第三方服务逐渐成为企业核心业务的必选项，然而随着it边界的外扩，应用性能的可视化追踪和sla的缺失成为企业it运维管理的难点，单一的云监控和传统运维工具都无法完全不同环节的性能对追踪跨服务应用的用户体验影响。因此，企业需要支持全平台和新应用架构的一体化监控平台，用最合适的手段对骨干网、内部网、宽带、isp、数据中心和无线网络等环节进行端到端的一体化监测，从而消除传统监控的盲点，降低服务中断的损失。

mehdi daoudi

ceo founder, catchpoint

大数据运维与监控

big data monitoring

apm诞生之初是帮助企业随时监测移动应用的点击和性能，从而确保用户的在线交易获得良好的访问体验。因此，在过去几年里，apm解决方案很好的满足了覆盖网络到数据库的前端用户体验瓶颈的诊断和发现。然而，目前很多的企业有超过80％的代码和ip需要进行数据处理（data crunching），而数据处理性能超出了传统apm监测范围，这就需要全新的大数据运维和监控解决方案。对于这种趋势，预计在1~2年内将出现具备大数据性能诊断能力的新一代apm产品，满足包括云环境在内的不同数据生产环境（以on-premises的方式）的需求。今天，大多数服务器都在进行数据处理，因此我们希望这个新功能早日出现，帮助企业用创新的方式提供更好的用户体验，同时充分了解消费者对离线工作负载的不同需求。

gadi oren

vp of products, logicmonitor

流式数据

streaming data

随着在线支付、社交信息、地理空间服务、物联网的广泛应用，流式数据逐渐成为企业it数据的重要组成。在2019年，it部门需要在应用日志数据的同时，加强流数据的采集、分析、处理和状态，并充分利用有状态流式数据（stateful stream data）开发新的应用，如：运维预测，基于ai的检测和响应，生产力和产量分析，安全分析和智能视频监控。

bill peterson

vp, industry solutions, mapr

时间洞察力

time to insight

过去花费数小时、甚至数天的分析业务数据变化，获得商业洞察力的工具和方式已经不能满足数字化时代的竞争需求。现代企业需要不断提升创新数字服务的效率，时间洞察力（time to insight ，tti）——收集、整理和分析信息所需的时间，以及洞察企业数字服务性能所需的信息——将成为衡量数字化效能的重要标准。一家企业的tti越短，意味着响应更快，效率更高，利润也更高。tti将推动企业走向智能化数据分析，通过数据流实时遍历整个企业基础架构，追踪每个用户行为和交易来收集所有的重要信息，并在源头将其压缩为元数据。这将使企业直观评估业务的性能和安全性，提高智能化操作质量并降低tti。

michael segal

area vp, strategy, netscout

预测分析

predictive apm

很多erp和crm产品都开始利用机器学习和ai能力来加强真实用户行为数据对现实商业应用的影响。在crm领域，通过ml / ai算法深挖实时用户数据的价值，从而提升程序对人类交互的敏感度。而在apm领域，我们在解决方案中加入自动化和预测能力，通过以用户为中心的业务指标来提升传统kpi和sla，进而衡量真实用户体验和it解决方案对业务的影响。

brian berns

ceo, knoa software

以上是2019年全球apm市场的发展预测，国内apm技术和应用略微落后于欧美发达地区，同时工具化的apm产品更适合技术成熟度高、it自主研发能力强的互联网企业。对于传统金融、制造、能源等行业用户和it规模较大的中大型企业来说，apm有较高的应用门槛，所以具备智能化和综合问题解决能力的aiops解决方案得到了诸多企业cio的青睐，下一篇《2019年全球apm与aiops市场发展前瞻（2）aiops》将为大家分享aiops市场的最新预测观点。