APM應用廣泛，下面介紹APM的典型應用場景，以便您深入了解。

應用異常診斷

業務痛點

分布式微服務架構下的應用，雖然豐富多樣且開發效率高，但是給傳統運維診斷技術帶來了巨大挑戰。以電商為例，主要遇到如下問題：

• 定位問題難

客服人員接到用戶反饋商品購買出現問題后，會交由技術人員排查解決。而微服務分布式架構中的一個業務請求通常要經過多個服務/節點后返回結果。一旦請求出現錯誤，往往要在多臺機器上反復翻看日志才能初步定位問題，對簡單問題的排查也常常涉及多個團隊。

• 架構梳理難

在業務邏輯變得逐漸復雜以后，很難從代碼層面去梳理某個應用依賴了哪些下游服務（數據庫、HTTP API、緩存），以及被哪些外部調用所依賴。業務邏輯的梳理、架構的治理和容量的規劃（例如促銷活動的準備過程中，需要為每個應用準備多少臺機器）也變得更加困難。

業務實現

APM提供大型分布式應用異常診斷能力，當應用出現崩潰或請求失敗時，通過應用拓撲+調用鏈下鉆能力分鐘級完成問題定位。

• 可視化拓撲：應用拓撲自發現，異常應用實例無處躲藏。
• 調用鏈追蹤：發現異常應用后，通過調用鏈一鍵下鉆，代碼問題根因清晰可見。
• 慢SQL分析：提供數據庫、SQL語句的調用次數、響應時間、錯誤次數等關鍵指標視圖，支持異常SQL語句導致的數據庫性能問題分析。

應用體驗管理

業務痛點

在用戶體驗至上的互聯網時代，即使后臺業務穩定運行，仍然無法獲悉用戶訪問系統時的具體情況，因而定位線上用戶偶現的前端問題變得非常困難。一個系統上線之后，訪問時的大量報錯導致用戶無法正常使用，如果APM無法及時獲知，就會導致流失大量用戶，如果用戶反饋頁面的使用情況，APM能否第一時間復現用戶的使用場景；能否知曉用戶遇到的詳細報錯信息而快速修復。

業務實現

APM提供應用體驗管理能力，實時分析應用事務從用戶請求、服務器到數據庫，再到服務器、用戶請求的完整過程，實時感知用戶對應用的滿意度，幫助您全面了解用戶體驗狀況。對于用戶體驗差的事務，通過拓撲和調用鏈完成事務問題定位。

• 應用KPI分析：吞吐量、時延、成功率指標分析，實時掌控用戶體驗健康狀態，用戶體驗一覽無遺。
• 全鏈路性能追蹤：Web服務、緩存、數據庫全棧跟蹤，性能瓶頸輕松掌握。

故障智能診斷

業務痛點

海量業務下，出現百種指標監控、KPI數據、調用跟蹤數據等豐富但無關聯的應用運維數據，如何通過應用、組件和URL跟蹤等多視角分析關聯指標和告警數據，自動完成故障根因分析；如何基于歷史數據學習與運維經驗庫，對異常事務智能分析給出可能原因。

業務實現

APM提供故障智能診斷能力，基于機器學習算法自動檢測應用故障。當URL跟蹤出現異常時，通過智能算法學習歷史指標數據，多維度關聯分析異常指標，提取業務正常與異常時上下文數據特征，如資源、參數、調用結構，通過聚類分析找到問題根因。