20. 06. 2017 Susanne Greiner Uncategorized

Next Level Performance Monitoring – Part I

Heutzutage ist Netzwerktraffic zunehmend heterogen. In einigen Fällen ist ein traditionalles Monitoring, wie wir es aus der Vergangenheit kennen, nicht mehr ausreichend. Im Folgenden werde ich die wichtigsten Bestandteile einer zeitgemäßen Performance Monitoring Lösung aufzeigen, die sich auch zur proaktiven Analyse businesskritischer Applikation eignet.

User Experience und Performance Metriken Hand in Hand für neue Erkenntnisse

User Experience ist ein wichtiger Faktor. Wenn jede Metrik für sich gut aussieht, ABER trotzdem Beschwerden von Usern eintreffen, dass die Applikation langsam sei, muss reagiert werden. Aus diesem Grund setze ich genau hier an, bei der Verknüpfung von User Experience und allen Servern, die es zu monitoren gilt. Es ist allgemein bekannt, dass es ratsam ist langsame businesskritische Applikationen zu erkennen, bevor Userbeschwerden eintreffen. Das lässt sich durch den Einsatz von Alyvix – der Lösung für aktivea User Experience Monitoring von Würth Phoenix – erreichen. Testfälle können hierbei bedarfsorientiert genau auf die Teile des Programms angesetzt werden ,die für eine reibungslose Abwicklung des Arbeitsalltags notwendig sind. Jede einzelne Test Transaktion kann bezüglich ihrer Dauer bzw. Performance ausgewertet werden. Zusätzlich lassen sich diese Werte in der selben Datenbank abspeichern, wo bei unserer Lösung auch alle anderen Performance relevanten Metriken aus den verschiedensten Quellen (z.B. Perfmandaten, Esxtop Performance Daten, etc.) gespeichert werden. Es ist möglich einen Multiserverzoom durchzuführen und mit einem einzigen Klick direkt in die Details der für Verzögerungen am relevantesten erscheinenden Server einzusteigen.

Screenshot from 2017-05-29 10:42:58

Vom Übersichtsdashboard kommt man einerseits zu einem noch detailierteren Alyvix-Dashboard, mit Hilfe dessen geklärt werden kann, ob Verzögerungen an einer Stelle entstehen oder die gesammte Appliaktion betroffen ist. Kurz gesagt: Sie wissen genau, welcher Bereich Ihrer unternehmenskritschen Applikation gerade von Verzögerungen betroffen ist.

image4144

Andererseits kommt man vom Übersichtsdashboard via Klick auf einen Servernamen zu einem Multimeasuredashboard weiter, wo alle für den jeweiligen Server relevanten Performance Metriken homogen angezeigt werden. Dieses Dashboard wird im näcshten Abschnitt genauer erläutert.

Die homogene Ansicht von Daten unterschiedlichster Quellen

Ein weiterer wichtiger Bestandteil der Würth Phoenix Next Level Performance Monitoring Lösung ist die homogene Ansicht von Daten aus unterschiedlichen Quellen. Der Vergleich von SQL, AOS, CITRIX und weiteren Servern wird ermöglicht, indem für jeden die jeweils relevantesten Performance Metriken alle auf die gleiche, schnell zu interpretierende Weise dargestellt werden, egal woher sie ursprünglich kommen.

Auf diesen Multimeasure-Dashboards kann die Performance des Systems in Echtzeit verfolgt werden. Veränderungnen werden leicht ersichtlich, ein Multimeasurezoom macht das Navigieren einfach und traditionelle Metriken lassen sich ohne weiteres mit Disk Operationen vergleichen.

Screenshot from 2017-05-24 11:27:24

Screenshot from 2017-05-24 11:28:31

Transparentere Performance Metriken

Ein Keyfeature des Multimeasure-Views sind die geglätteten Kurven umgeben mit einem transparenten Bereich, der anzeigt zwischen welchen Minimal- und Maximalwerten sich die jeweilige Metrik bewegt hat. Trends lassen sich auf diese Weise klarer erkennenund man hat zusätzlich zum Verhältnis zwischen Kurve und Wertebereich eine Information über die Häufigkeit potentiell anderer Werte.

image4182

Historische Daten für die bessere Interpretation der aktuellen

Ein Effekt ist ein Effekt, aber ob eine Veränderung neu ist oder näher untersucht gehört kann in manchen Fällen nicht pauschal sondern nur im Bezug auf historische Daten gesagt werden. Während es mit vielen traditionellen Tools ohne merklichen Mehraufwand eher schwierig ist quantitative Aussagen zu treffen, bietet die Next Level Performance Monitoring Lösung von Würth Phoenix Daten eines für Ihren Anwendungsfall sinnvollen historischen Zeitraums sofort zugänglich und bereits als Differenz zum aktuellen Wert. Mit einem Blick kann somit zum Beispiel ausgewertet werden, ob ein Peak so auch in der Vorwoche vorhanden war (z.B. Cronjobaktivitäten) und ob sich die Werte im Vergleich zum ausgewählten historischen Zeitraum verändert haben.

image4204

 Optimierung des Einsatzes von Fachkräften: schneller, zielorientierter, eine Lösung

Sie werden beim Lesen dieses Blogs festgestellt haben, dass es nicht unser Ziel ist einen Human Expert zu ersetzen. Viel mehr steht im Vordergrund dessen Potential voll und ganz auszureizen ohne ihn kostbare Zeit durch zeitraubende Suchvorgänge in den Daten verschwenden zu lassen. Er soll sich auf die Lösung des Problems anhand von Hinweisen konzentrieren können und nicht anch Hinweisen suchen müssen.

Dashboards auf drei Ebenen: High Level für den schnellen Überblick, Multimeasure um alle relevanten Performance Metriken homogen gegenübergestellt zu haben und schließlich die Möglichkeit mit den Detaildashboards mit hoher Genauigkeit in die jeweilige Metrik hineinzuzoomen. Das klingt relevant für Sie? Finden Sie mehr heraus indem Sie sich mit einem Würth Phoenix Cosultant in Verbindung setzen oder für ein kostenfreies Onlineseminar anmelden. Verpassen Sie nicht den zweiten Teil zum Next Level Performance Monitoring wo ich die Rolle von Machine Learning und Anomaly Detection innerhalb unserer Lösung im Detail erkläre.

logic

Susanne Greiner

Susanne Greiner

Hi there! My name is Susanne and I joined Würth-Phoenix early in 2015. Ever since I can remember computers and the perfection that can be reached by them have been very fascinating for me. I built my first personal PC using components from about 20 broken ones at the age of 11 and fell in love with open source, visualization and data analysis shortly afterwards. I hold a master in experimental physics (University of Erlangen, Germany) and a PhD in computer science (Universtiy of Trento, Italy) my main interests are machine learning, visualization techniques, statistics and optimization. As long as an algorithm of mine runs at night and I get new interesting results the morning after I am able to sleep well. Beside computers I also like music, inline skating, and skiing.

Author

Susanne Greiner

Hi there! My name is Susanne and I joined Würth-Phoenix early in 2015. Ever since I can remember computers and the perfection that can be reached by them have been very fascinating for me. I built my first personal PC using components from about 20 broken ones at the age of 11 and fell in love with open source, visualization and data analysis shortly afterwards. I hold a master in experimental physics (University of Erlangen, Germany) and a PhD in computer science (Universtiy of Trento, Italy) my main interests are machine learning, visualization techniques, statistics and optimization. As long as an algorithm of mine runs at night and I get new interesting results the morning after I am able to sleep well. Beside computers I also like music, inline skating, and skiing.

Leave a Reply

Your email address will not be published. Required fields are marked *

Archive