Les cinq fonctions clés d’une solution Big Data pour APM

La rapidité est indispensable pour une application informatique. Les utilisateurs attendent d’un logiciel qu’il accomplisse immédiatement sa tâche, à n’importe quelle heure du jour ou de la nuit. Pour s’en assurer, les entreprises pratiquent la gestion de la performance applicative, abrégée APM. Les procédures et outils APM surveillent toutes les applications d’un environnement informatique, déclenchent des alertes avant l’apparition des problèmes et facilitent la correction des erreurs et l’optimisation du paysage applicatif.

Or, la majorité des outils étant conçus pour surveiller des éléments informatiques dédiés tels qu’un réseau ou une base de données, ils montrent rapidement leurs limites dans des environnements dynamiques dispersés et très complexes. De plus, les outils traditionnels évaluent le plus souvent la performance et la disponibilité actuelles des domaines en les comparant à des seuils statiques. Pour ces deux raisons, ils sont inadaptés aux environnements informatiques à plusieurs couches dont les ressources, les applications et le nombre d’utilisateurs fluctuent fortement.

Le Big Data est plus efficace

En revanche, les solutions APM modernes exécutant des analyses Big Data sont capables de traiter globalement même les données des paysages applicatifs les plus complexes. Elles ne se contentent pas de comparer des valeurs réelles à des seuils statiques, mais observent et corrèlent toutes les informations nécessaires pour «comprendre» un environnement informatique dans son intégralité. Elles s’appuient sur cette compréhension pour prédire les problèmes de performance et les incidents potentiels au moyen d’«analyses prévisionnelles».

Les solutions APM adaptées proposent cinq fonctions de traitement des données :

• Les bases d’adaptation sont déduites du comportement normal d’une application au cours d’une période donnée. Elles permettent d’identifier et d'évaluer les fluctuations typiques de la performance d’une application. De cette manière, on peut déterminer si une fluctuation présente ou non une anomalie. Les prédictions s’en trouvent améliorées et on évite des erreurs. Un exemple: il est tout à fait normal qu’une application comptable utilise de nombreuses ressources à la fin du mois. Au début du mois en revanche, une telle activité pourrait présenter une anomalie. Une solution APM moderne reconnaît ces comportements typiques et peut réagir en conséquence.
• Les analyses temporaires donnent à la solution les moyens d’interpréter correctement les mesures suspectes. La fonction utilise des procédés statistiques pour établir des corrélations. La solution APM peut par exemple interpréter des valeurs divergentes recueillies au même moment dans des séries de mesures différentes comme un signal d’erreur. Il en va de même pour les irrégularités qui se produisent sur une période prolongée dans une seule et même série de mesures. Les corrélations aléatoires sont inévitables dans les environnements complexes. Or, les solutions APM efficaces comprennent qu’il s’agit là de «coups de chance» non pertinents.
• Les analyses topologiques fournissent à la solution APM des  connaissances» sur l’architecture d’un paysage applicatif. La solution peut alors développer des modèles topologiques. Ces «modèles de service d’exécution» illustrent les relations entre tous les composants d’un environnement informatique, facilitant ainsi la localisation des erreurs. Les incidents ou les baisses de performance sont observés dans une topologie d’applications. Ces analyses permettent par exemple d’exclure des événements qui se sont produits simultanément dans des composants informatiques n’appartenant pas à l’architecture applicative, et qui n’ont donc aucune pertinence pour cette application. Par ailleurs, les solutions actuelles ajustent leur «modèle de service d’exécution» automatiquement et en temps réel.
• Les analyses historiques permettent à la solution APM de tirer des leçons du passé. Environ 20 % des nouveaux incidents ont des origines connues. Les solutions APM de pointe enregistrent les erreurs qui se produisent dans les applications et les utilisent pour exécuter de nouvelles analyses.
• L’analyse des contextes et applications améliore les évaluations et les décisions au sein des processus APM. Certaines solutions APM de qualité présentent les informations en établissant un lien entre les systèmes informatiques et l’activité de l’entreprise. Elles peuvent par exemple représenter l’impact du dysfonctionnement d’une application sur l’exploitation ou les transactions touchées par une baisse de la performance des applications. Ces solutions APM utilisent ces informations pour déterminer les causes possibles des problèmes au moyen d’algorithmes.

Une solution Big Data pour APM réunissant ces diverses fonctions permet d’accroître la performance des applications et s’avère probablement efficace sur le long terme.