Teil 3: AI als Kommunikationsmittel, Antipatterns und wie man sie erkennt

Der richtige Überblick

Der richtige Überblick

Teil 3: AI als Kommunikationsmittel, Antipatterns und wie man sie erkennt

Der richtige Überblick


Application Insights liefert unterschiedlichste Einsichten in unsere Applikationen, angefangen von klassischen Monitoringdaten bis hin zu Deep-Dive- und End-to-End-Informationen. Diese kann man als gemeinsame Sprache gut nutzen, um teamübergreifend ein gemeinsames Bild von Problemen und Verbesserungspotenzialen herzustellen und Performanceantipatterns rechtzeitig zu erkennen.

Im dritten Teil unserer Artikelserie schließt sich der Kreis: Der erste Teil handelte von der Notwendigkeit und vom Nutzen von Application Performance Management für Entwickler, Architekten und DevOps. Im zweiten Teil haben wir gesehen, wie man eine Applikation aus der Endbenutzersicht End to End analysiert. Im dritten und letzten Teil soll es darum gehen, wie man in AI durch Dashboards und Charts rasch eine Übersicht schafft und dadurch mit den verschiedenen Stakeholdern schneller Bottlenecks und Fehler findet, behebt und frühzeitig vermeidet. Ein Schlüssel für die Fehlervermeidung ist die Erkennung von Performanceantipatterns, die in der Entwicklungsumgebung noch einfach zu beheben sind, in Produktion aber zu Showstoppern werden.

Replik – Anwendungsfälle des APM – Kommunikationsprobleme vorprogrammiert?

Sie erinnern sich noch an die APM Use Cases aus dem ersten Teil? Es waren Monitoring, proaktive Produktionsanalyse, Post-Mortem-Analyse, Profiling, Performance-Testing, End-User-Usage-Analyse und Architekturvalidierung. Verschiedene Use Cases sind für verschiedene Zielgruppen relevant: Entwickler, Architekten, Operations, Fachabteilungen oder auch Querschnittszielgruppen wie DevOps und BizDevOps. Die Anzahl der Use Cases und der verschiedenen Blickwinkel auf das gleiche System zieht eine Vielzahl von Werkzeugen nach sich. Während Entwickler und Architekten die Applikation z. B. mit einem Profiler besser verstehen, verwendet das Marketing Google Analytics, um das Benutzerverhalten zu untersuchen. Durch die Vielfalt leidet zu oft die Kommunikation, die verschiedenen Stake­holder sprechen unterschiedliche Sprachen auf unterschiedlichem Abstraktionsniveau. Reibungsverluste und Missverständnisse sind die Folgen, die sich meist zu den ungünstigsten Zeitpunkten zeigen.

Kommunikationsprobleme durch ein gemeinsames Bild minimieren

AI deckt die meisten der APM-Anwendungsfälle ab, doch wie kommt man möglichst schnell zu einem gemeinsamen Bild? Es hat sich bewährt, mit einem visuellen Überblick zu starten, der allen Beteiligten möglichst rasch den Zustand einer Applikation vermittelt, z. B. in Form eines Dashboards. In den ersten beiden Artikeln haben wir schon AI-Standard-Charts gesehen, z. B. die Health Overview Timeline. Dieses Chart und weitere werden wir im Laufe des Artikels einem APM-Dashboard hinzufügen.

Ein neues APM-Dashboard erstellen

Auf der Übersichtsseite (Default-Dashboard) des Azure-Portals wählen wir zuerst im oberen Bereich den Link + New Dashboard aus und benennen das Dashboard beispielsweise „Heroes Tutorial“. Danach wechseln wir zurück zu unserer AI-Übersichtsseite, aktivieren beim Chart Health Overview Timeline das Kontextmenü (die drei Punkte rechts oben im Titel des Charts) und klicken das Pin-to-Dashboard-Symbol an. Achtung: Pin to Dashboard heftet das gewählte Element an das aktuelle Dashboard. Falls Sie also zwischendurch wieder vom „Heroes Tutorial“-Dashboard auf das Azure-Standard-Dashboard umschalten, wird das Chart auf Letzteres geheftet.

Als Nächstes interessieren wir uns ...