Elastic APM（Application Performance Monitoring）是一款基於 Elastic Stack (ELK) 建構的應用效能監控系統。它允許即時監控軟體服務的運行狀況，自動收集詳細的效能資訊，如：回應時間、資料庫查詢、外部 API 調用以及未處理的錯誤與異常。

Elastic 介紹：   10 分鐘帶你了解 Elastic (ELK) 是什麼?

為什麼需要 APM 監控服務？

現今應用程式運行在高度分散的基礎架構上，由多個元件組成，監控變得複雜。透過 APM，可以觀測應用程式與各元件的日誌（Logs）、指標（Metrics）與軌跡（Traces），並且透過儀表板整合呈現，也讓故障排除與效能管理更加輕鬆。

當多個服務同時運行於同一主機時，APM 可分析每個服務的資源消耗，例如：CPU、記憶體與流量，進而辨識特定 API 的效能瓶頸，或找出佔用過多資源的服務。不僅有助於優化資源分配，也能確保所有服務穩定且高效運行。

更多細節： Observability 3 本柱＋Profile 打造完整可觀測性解決方案

APM 有哪些功能？ 

根據 Gartner 的說法，APM 工具需要滿足三個主要標準功能：

1. 前端監控
   包括 PC 端和行動端用戶的用戶體驗監控，以及全面的事務監控，在文章後段我們將提到 RUM （真實用戶監測），即屬於這個範疇。
2. 應用程式的發現、追蹤和診斷
   自動發現各種應用程式元件（如 Web 伺服器、平台、框架與微服務），辨識它們之間的關聯並診斷程式碼，最後追蹤應用程式對使用者請求的響應。
3. 分析
   記錄應用程式產生的所有數據，並利用各種技術（如 ML）發現有意義的模式，協助找出效能問題的根本原因，並預測可能發生的問題。
   

Elastic APM 除了具備這三個標準功能， 更在 2022 年 Gartner 針對多家 APM 供應商的 調查報告 中，被評鑑為「遠見者 (Visionaries)」 ， 意味 Elastic 具備專有 agent 的技術、分佈式追蹤觀察應用程式完整事務行為的能力。

Elastic APM 基本架構

Elastic APM 是用來監控應用程式效能的重要工具，能即時收集與分析應用程式資料，幫助開發與運維團隊快速定位問題。本章節將說明 Elastic APM 的基本架構與四個核心元件。

Elastic APM 由以下四個主要元件組成：

1. APM Agent：以函式庫形式植入應用程式中，負責收集數據。

2. APM Server：接收 Agent 資料，並將其傳送至 Elasticsearch 進行儲存與分析。

3. Elasticsearch：數據的儲存與索引中心。值得注意的是，Elasticsearch 同時也是強大的向量資料庫 (Vector Database)，這使得監控數據與 AI 應用所需的向量數據可以統一儲存在同一個生態系中。

4. Kibana：視覺化介面，提供直觀的儀表板來分析效能。

欲了解更詳細資訊，請參考 Elastic 官方文件 Components and documentation。

Elastic APM 架構圖

APM Agent

APM Agent 用於檢測程式碼，並在應用程式運行時收集效能與錯誤數據，再將其傳送至 APM Server。

它提供多種語言的函式庫（Library），可以直接套用於現有程式中，包括：Go、iOS、Java、.NET、Node.js、PHP、Python、Ruby，以及 JavaScript Real User Monitoring（RUM）。

每種語言的 agent 官方都有提供 文件，可自行查看。

APM Server

APM Server 負責接收來自 APM agent 的效能數據。它被設計成獨立組件，以保持輕量、降低安全風險，並提升整個 Elastic Stack 的兼容性！

在驗證與處理事件後，APM Server 會將數據轉換為 Elasticsearch 文檔進行索引和儲存，使用者即可透過 Kibana APM 進行查看與分析。

Elasticsearch

Elasticsearch 用於儲存 APM 的效能指標等數據。它是一個高度可擴展、免費且開源的全文搜索與分析引擎，能夠近乎實時地快速儲存、搜尋和分析大量數據。

關於 Elasticsearch 更詳細的介紹，請看我們的介紹文章：

1. 10 分鐘了解強大搜尋引擎 ー Elasticsearch
2. Elasticsearch 介紹 – 基本概念篇

Kibana APM app

Kibana 是一個免費且開源的視覺化分析平台，作為 Elasticsearch 的搭配 UI 工具，可用來搜索、查看與分析儲存在 Elasticsearch 中的數據。

更多 Kibana 的介紹：

1.  Kibana – 通往 Elastic Stack 的窗口

2. 10 個能透過 Kibana 儀表版（Dashboard）解決的常見問題

Elastic APM 四種資料模型

Elastic APM Agent 會從被監控的應用程式中擷取各類資訊，稱為「事件（events）」，包括跨度（spans）、事務（transactions）、錯誤（errors）以及指標（metrics）。

每個事件還可以附帶額外的元數據（metadata），使監控數據更完整、更具深度。

以下將分別介紹跨度、事務、錯誤與指標的特性與用途。

跨度 Spans

跨度是特定代碼執行的資訊，紀錄某個活動的開始與結束，並且它們可能與其他跨度具有父/子（上/下層）關係。

APM agent 會自動檢測函式庫以從應用程式中擷取跨度 ，你可以使用 agent API 對特定代碼路徑進行自定義的檢測。預設情況下，跨度會存在跨度索引中，與事務的索引分開。

丟棄的跨度（dropped spans）

出於效能考量，APM agent 會選擇「採樣」或「忽略」跨度，以此來避免極端狀況，例如：超過 100 個跨度的長時間運行的事務，以免 agent 和 APM server 過載。

當這種情況發生時，APM 將顯示丟棄的跨度數。

遺失的跨度（Missing spans）

agent 會將跨度與其事務分別傳送到 APM server，因此可能導致跨度遺失。

由於 agent 知道一個事務應該有多少跨度，如果預期跨度數不等於 APM server 接收到的跨度數，APM 應用程式將計算並顯示差異。

事務 Transactions

事務是一種特殊的跨度，兩者互相關聯 ，它們描述了由檢測服務的 Elastic APM Agent 捕獲的事件。

事務可以視為的最高級別的事件，例如：請求伺服器回應、批次作業、背景執行的工作或自定義事務類型 … 等。

一個事務會包含：

• • 事務的時間戳

• • UID、type、name

• • 事務發生時環境的資訊
    • • Service 的 environment、framework、language
    • • Host 的 architecture、hostname、IP
    • • Process 的 args、PID、PPID
    • • URL 的 full、domain、port、query
    • • User 的 email、ID、username

• • 其他使用者自定義的欄位資訊

錯誤 Errors

當錯誤事件發生時，會產生包含錯誤當下的 exception 資訊或 Log。錯誤的資訊包含：

• • 錯誤當下的 stack trace 會記錄在 exception、 log 中，可用於除錯

• • culprit 表示錯誤的來源

• • 與錯誤發生時相關的事務，紀錄在 transaction.id.

• • 記錄錯誤當時環境的資訊：
    • • Service 的 environment, framework, language
    • • Host 的 architecture, hostname, IP
    • • Process 的 args, PID, PPID
    • • URL 的 full, domain, port, query
    • • User 的 email, ID, username

• • 其他使用者自定義的欄位資訊

指標 Metrics

APM Agent 會自動擷取基本的主機層級指標，如系統與 Process 層級的 CPU、記憶體使用情況。

此外，Agent 也能收集特定語言的指標，例如：Java Agent 的 JVM metrics、Go Agent 的 Go metrics。

Elastic APM 應用場景

1. 實現視覺化的分佈式追蹤

當一個 trace（軌跡）遍歷多個服務，從頭到尾追蹤某個請求（request），就稱為分佈式追蹤。

分佈式追蹤透過追蹤整個請求，來分析整個微服務架構的效能—從最一開始前端網站上的請求，一直到後端資料庫的查詢，具體來說可以找出應用程式在哪裡花費多少時間、在哪裡發生錯誤以及在哪裡形成效能瓶頸。

越來越多企業採用微服務架構，這些服務由不同團隊管理、使用不同程式語言、部署/運行在並不同的容器中。

因此了解不同服務拓撲的狀況和效能，對於解決問題和提高可靠性和效率是很重要的。

Elastic APM 支援分佈式追蹤，在一個視圖中分析整個微服務架構的效能。

APM UI 中的時間線可視化顯示了所連接的各個服務的所有事務的瀑布視圖：

APM UI 可深入追蹤應用程式，並檢視主機或容器的指標與日誌，加速找出問題根源。

2. 真實用戶監控（RUM）

真實用戶監控 RUM（Real User Monitoring）需先安裝 Elastic Stack 與 Elastic APM 才能使用 （參考原廠文章）。

RUM 能收集前端用戶與 client 端（如網頁瀏覽器）的互動，協助我們從實際行為中了解使用者體驗，並據此優化效能。常見應用包括：

• • 找出效能瓶頸，評估網站效能對使用者體驗的影響

  • 透過 user agent 資訊，分析常用瀏覽器、裝置與平台，進而優化應用程式

  • 結合地理位置與用戶效能數據，掌握全球各地網站表現

  • 提供應用程式服務級別協議（SLA）的洞見與衡量依據

  • 收集一段時間內的訪問與點擊行為，作為開發新功能的參考

3. 生成式 AI 與 RAG 效能優化

隨著企業導入大語言模型 (LLM)，RAG（檢索增強生成）架構變得普及。開發者常面臨「AI 回答太慢」的困擾，Elastic APM 能讓你清楚看到：究竟是 LLM 生成慢，還是向量資料庫 (Vector Database) 在進行向量檢索時效率不佳，進而針對搜尋策略進行精準優化。

結論

Elastic APM 是一款強大的監測工具，可即時追蹤應用程式與服務效能。

在高度分散的基礎架構中，APM 可協助快速排除故障、管理效能並優化資源，確保服務穩定且高效運行。

立即啟用 Elastic APM，讓它成為你的監測利器，全面提升服務效能與可靠性！

你可以下載 Elastic APM Server 在地端運行，也可以創建一個 Elastic Cloud 集群來試用。

–

延伸學習：應用程式的效能監控與維運就交給 Elastic APM x AIOps 吧！【研討會精華】

歡迎 聯繫我們，或加入 歐立威 LINE 好友，了解更多產品資訊！