Suchen

Performance aus der Sicht des Anwenders begegnet Robots

Kennzahlengesteuerte End User Experience

Seite: 2/3

Firma zum Thema

KPI-Messung im Cloud-Zeitalter

Die Berechnung der Latenzzeiten von Applikation und Netzwerk am Beispiel der Monitoring-Lösung Neteye
Die Berechnung der Latenzzeiten von Applikation und Netzwerk am Beispiel der Monitoring-Lösung Neteye
(Bild: Würth-Phoenix)
KPIs, die von Robots erhoben werden, bestehen zum Beispiel in der Erkennung, ob die Anwendung überhaupt gestartet werden kann oder ob sie eine konstante Performance aufweist. Das zeigt zum Beispiel, ob Dienste während eines Backups langsamer werden.

Wenn Anwendungen von zentralen Rechenzentren in unterschiedlichen Zeitzonen ausgeliefert werden, kann die IT-Abteilung das Zeitfenster für die Backups entsprechend der Nutzungsintensität in bestimmten Zeitzonen festlegen.

End User Experience KPIs als notwendiger Zusatz

Der End-User-Experience-Ansatz berücksichtigt demgegenüber laufend die Qualität der genutzten Services, ausgehend von einer horizontalen Messung der Auslieferungsperformance aus dem Blickwinkel des Anwenders. Availability Management und Capacity Management übernehmen in diesem Zusammenhang eine zentrale Rolle. Ein Beispiel für die Definition einer relevanten Kennzahl wären in Zusammenhang mit dem End User Experience Ansatz etwa die der betroffenen Anwender („Impacted Users“).

Nutzt etwa innerhalb eines festgelegten Zeitraumes eine bestimmte Anzahl an Anwendern einen Dienst über das Internet von unterschiedlichen Standorten aus, weist die Kennzahl „Impacted Users“ jene Nutzer aus, die in diesem Zeitraum von einer schlechten Anwendungsperformance betroffen sind. Bestünde die zu verwaltende IT-Infrastruktur aus einer Vielzahl an Applikationen, die wiederum von einer großen Anzahl an Usern genutzt wird, zeigt eine horizontale Überwachung der End-User Performance, ob eine Applikation an einem bestimmten Standort nicht zufriedenstellend genutzt werden.

Sie gibt Aufschluss, wie viele Anwender in der Summe innerhalb des definierten Zeitraumes betroffen sind. Diese Erkenntnis unterstützt die IT wesentlich darin, Prioritäten im Availability Management zu setzen und sich in der Ursachenanalyse auf die Applikation beziehungsweise den Standort zu konzentrieren, wo der Prozentsatz an Impacted Users besonders hoch ist.

(ID:38343430)