AppDynamics在新发布的APM中引入了大数据分析和机器学习技术

菜鸟之家

领先的应用性能监控厂商 AppDynamics 今天发布了旗舰产品“应用智能平台（Application Intelligence Platform）”的2014夏季版。

根据AppDynamics的介绍：

AppDynamics的最新发布版为平台带来了高级的数据可视化技术，以及可进行超大规模行为学习和数据流处理的大数据技术。

AppDynamics 2014夏季版提升了为开发、运维和业务团队所带来的价值。它提供了：

直观深入的数据可视化能力，一个自主学习的业务事务引擎，这个引擎能自动对业务中的关键事务进行分类，并提供了智能仪表板和高级的分析功能。
一个用于处理大量事件、度量和元数据的大数据平台。这个平台拥有全新的架构和大量可扩展的大数据基础结构组件，比如Hadoop。
更深更广的数据可视化和搜集能力。一些新应用为了进行端到端的业务事务监控，而使用了我们的自动代码注入（Automatic Code Injection）和动态上下文传播（Dynamic Context Propagation）技术。这组能力为这些应用提供了支持。
新特性包括：

先进的“流图（Flow Maps）”，使用机器学习算法将复杂的拓扑进行直观的可视化。
仪表板的自组织布局。使用自动分组的启发式算法来动态地决定图层和节点的权重，以帮助分离出最重要的节点和图层。
用自主学习事务引擎分离关键的事务。
基于对节点和图层属性的配置，智能仪表板使用模版进行仪表板的自动生成。
可扩展的事件服务，确保能实时搜索多达10万亿的事件。
基于Hadoop的度量服务。
支持.Net Async。
试支持C++应用。
这是AppDynamics的第一个支持Java 8特性的常规版本。支持的特性包括Lambda表达式和并行流（parallel streams）。

在过去的两年里，AppDynamics 被Gartner称为 “前瞻性”和“执行力”方面的企业引领者。 其他处于第一梯队的APM厂商有：Riverbed Technology、Compuware和New Relic。

InfoQ和AppDynamics的产品销售和策略经理Maneesh Joshi进行了交谈。交谈内容包括这次发布的版本、AppDynamics的成功公式和面临的挑战。

InfoQ：Gartner已经连续两年将AppDynamics排在了行业的首位。随着竞争者的不断增加，AppDynamics如何能保持领先地位？

Maneesh ：AppDynamics极其专注于三件事：客户满意度、技术创新和零阻力进入市场的策略。

在整个企业软件行业里，我们得到了最高的NPS分数，84分。我们引以为荣。这甚至可以比肩那些诞生于50年代的受欢迎客户品牌的NPS得分。在这个优异的客户满意得分后面，是大量辛勤的工作和为客户带来成功的虔诚承诺。

第二个差异在于产品的创新。数分钟内，产品就能被安装并开始展示其价值。我们的一些大规模部署，需要监控多达15000台服务器。而这些部署在一个星期内就可以完成。客户已经习惯了传统厂商按月（甚至年）为时长的部署周期。

最后，简单的进入市场策略。我们的客户不仅能快速上手运行应用智能平台；而且他们在部署它时可以有多种选择。他们可以先免费试用拥有全部特性的AppDynamics Pro。在15天之后，他们能继续并永久免费地使用AppDynamics Lite。这给了我们的客户一个尝试的机会。通过这个机会，他们将会看到我们给他们带来的巨大价值。平台也提供了其他的部署选项，如：SaaS、私有云、企业系统、混合云。

InfoQ：产品监控是一个非常重要的服务，然而我们发现许多大客户忽视了这个环节。公司在开始描述他们的产品应用时会遇到什么样的障碍？你们又是怎么处理这些问题的？

Maneesh ：你对市场的评估是正确的。那些尝试使用传统APM厂商的组织，会因为实现APM和监控他们复杂应用的困难程度而感到沮丧。也许就是对传统厂商的不信任，驱使他们在做出购买决定前先尝试我们的试用版。我们已经见证，有若干家财富500强公司在看到安装和运行AppDynamics有多容易后，成为我们下一代应用智能监控概念的信徒。我们也见证了一家领先的网络设备厂商在一周之内将我们的软件部署到15000个节点上进行监控。这些节点将数据汇报给一个单独的控制器。这个控制器将这些数据展示在一个单独的监控仪表板上。当你听到像这样一个客户成功的故事后，就会知道你正在改变这个产业。

INFOQ：新版本是否存在一个重要的特性，能够将其与别的厂商或之前的版本真正地区分开来？

Maneesh ：我们一直都是那些大规模新式部署的首选。我们监控的这些超大规模部署，让我们发现了一堆以前从来没有遇到过的问题。我们的工程小组视之为一个机会。一个引入一些前沿的大数据科学进展以及扩展APM疆界的机会。在可视化和平台层面，我们采用了许多高级的自主学习算法。在可视化层面，我们带来了直观的、深入的数据可视化能力，包括一个能够自动对关键业务进行分类的自主学习业务事务引擎，智能仪表板，和高级的分析功能。我们的平台架构使用了大量可扩展的大数据基础结构组件，比如Hadoop， 能够处理大量事件、度量和元数据。我们也扩展了我们的监控开发集合，除了支持Java、.NET、PHP和Node.js外，也支持C++。然而，我们知道我们能为客户做的还有很多。所以在不久的将来，期待能为大家带来更加令人兴奋的新闻。