По данным DZone, ИИ и машинное обучение сократят простои IT-систем в 70% компаний

В отчете DZone раскрывается текущее состояние мониторинга производительности приложений и планы по использованию AI/ML.

Мониторинг производительности приложений (Application performance monitoring, APM) — комплекс методов и инструментов, которые помогают найти проблемы производительности и выявить ошибки в работе приложений.

DZone опросил почти 300 технических специалистов, чтобы узнать, как развиваются их решения и инструменты мониторинга. Расскажем о ключевых выводах этого опроса.

Мониторинг производительности приложений используют многие, но это довольно сложно

Опрос показал, что в 66% компаний уже используют инструменты APM, а в 16% — планируют использовать в ближайшем будущем. При этом только 20% могут назвать свою реализацию «простой». Половина опрошенных называет свои инструменты мониторинга «сложными» или «очень сложными». Основные причины трудностей: использование Kubernetes, устаревшие приложения, отсутствие лучших практик и стандартов.

Главное преимущество APM — сокращение времени простоев

Эксперты выяснили, в чем компании видят основное преимущество от использования инструментов мониторинга производительности приложений:

• Сокращение времени простоев — 71%.
• Уменьшение среднего времени восстановления работы сервисов — 66%.
• Улучшение совместной работы ИТ-команд — 49%.
• Сокращение незапланированных работ — 40%.

AI/ML помогут повысить эффективность мониторинга

В ближайшие два года более 70% опрошенных планируют использовать искусственный интеллект и машинное обучение для повышения производительности приложений и мониторинга. В первую очередь специалисты сосредоточат внимание на управлении рисками: выявлении аномалий, управлении оповещениями и анализе первопричин сбоев.

Опрошенные ожидают, что благодаря этому инструменты APM позволят не просто уменьшить время простоев, а полностью избавиться от них.