Riverbed comparte los 4 problemas más comunes en el Desempeño de Aplicaciones
Los problemas más comunes de desempeño de aplicaciones pueden sonar familiares, sin embargo, el verdadero desafío se encuentra en los detalles. A continuación se presentan los 5 problemas más comunes y cómo resolverlos de una manera proactiva y no reactiva.
Problema 1: Toma demasiado tiempo resolver problemas en ambientes complejos y distribuidos:
Falta de tiempo y un pobre desempeño de aplicaciones críticas tienen un impacto directo sobre los negocios. Cuando los problemas de aplicaciones ocurren, se está en el punto para detectar, aislar y corregir el problema rápidamente. Pero con herramientas en silos, de dominio específico, puede tomar semanas, aislar y resolver problemas de desempeño. Para resolver complejos e intermitentes problemas, es vital tener toda la información a la mano. Los grandes datos de los APM (es decir, todas las transacciones y todos los usuarios de metadata) pueden proveer el contexto que las estrategias de muestreo de transacciones. Es especialmente útil para solucionar problemas en ambientes dinámicos y distribuidos tales como aquéllos que engloban micro-servicios, máquinas virtuales y servicios públicos en la nube.
Problema 2: Problemas de desempeño de sus usuarios.
Los equipos de IT Ops y DevOps usualmente encuentran problemas de desempeño de los usuarios finales (de acuerdo con Gartner, hasta un 70% del tiempo), después de que el negocio ha sido impactado. Sin embargo, estos equipos necesitan detectar los problemas proactivamente de modo que ellos estén trabajando para resolverlos antes de que el negocio sea impactado. Ya sea tanto para usuarios internos y externos, estos problemas pueden tener un impacto significativo sobre el negocio. Los problemas solo son descubiertos, frecuentemente, después de que los usuarios finales reportan un problema. Esta es la razón de porqué es importante medir y monitorear todas sus aplicaciones críticas del negocio (la red, móviles, etc.) desde la perspectiva del usuario final, y de esta manera, se pueden solucionar tempranamente todos los problemas antes de que el flujo de ingresos o la reputación de la marca sea impactada.
Problema 3: No se puede ir a la raíz del problema, a la causa de los problemas de desempeño recurrentes o persistentes.
Estos problemas incluyen aquellos que son intermitentes y en consecuencia, impactan negativamente la satisfacción del usuario final y la productividad. Aquí es donde los analíticos, incluyendo machine learning e inteligencia artificial (AI), hacen su aparición. A diferencia de los humanos, ellos pueden identificar anomalías y patrones de comportamiento a lo largo de petabytes de APM para rápidamente identificar los problemas más importantes que cruzan series de datos extremadamente largas. De igual manera, nuevos tipos de visualización pueden ayudarlo a entender mejor las dependencias de la aplicación relevante de modo que su equipo pueda enfocarse en la solución de los problemas específicos que tendrán el mayor impacto en su negocio.
Problema 4: Nuevas iniciativas de TI, nuevos problemas de desempeño de aplicaciones.
Cuando los negocios se virtualizan, consolidan o migran, sus centros de datos a la nube, esperan mejorar su flexibilidad, costos y control. Cuando echan a andar nuevas aplicaciones o expanden los desarrollos existentes, es crítico asegurar que el desempeño requerido por el negocio será entregado. También es vital administrar y predecir los cambios y los efectos que tal infraestructura o aplicación tendrán sobre el desempeño de la aplicación. Sin embargo, los negocios frecuentemente se encuentran lidiando con problemas de desempeño imprevistos, esa es la razón por la que es importante monitorear el desempeño de la aplicación de principio a fin antes, durante y después de su migración, en orden de administrar las expectativas y minimizar cualquier problema de desempeño de la aplicación que pueda surgir cuando se migra a la nube o se adoptan nuevas tecnologías.
Por Gayle Levin, Riverbed Technology
Source: Economía
