應用程序失敗的原因有很多，有一些工具可以解決每一個可能的錯誤源，例如日志管理工具、錯誤跟蹤器、性能監視解決方案等等。在下面的文章中，我們將介紹一些工具，這些工具專注于檢測和預測異常何時可能發生。

[[440147]]

1. X-Pack

X-Pack是麋鹿堆棧的擴展，提供異常檢測。它使用的算法可以幫助用戶了解日志的行為，檢測日志何時不正常。該包依賴于日志作為其數據源，讓用戶了解特定指標可能對產品產生的影響以及用戶對產品的體驗。

主要特點：

• 檢測Elasticsearch日志數據和度量中的異常
• 通過監視網絡活動和用戶行為來識別安全問題
• 識別通常導致異常的日志事件

2. Loom系統

Loom Systems為日志和度量中的異常檢測提供了一個分析平臺。它檢測日志中的異常，并在操作分析中提供異常檢測。

主要特點：

• 來自不同應用程序的自動日志解析和分析
• 建議的解決方案–基于公司的解決方案數據庫
• 業務操作異常檢測

3. OverOps

OverOps告訴你在生產中代碼何時、何地以及為什么會中斷。它是唯一一個為你提供整個調用堆棧中每個錯誤的完整源代碼和變量狀態的工具，并允許你在應用程序中引入新錯誤時主動檢測。

主要特點：

• 對代碼和變量狀態的完全可視性，以自動再現任何錯誤
• 通過代碼發布主動檢測所有新的和關鍵的錯誤
• 不依賴日志文件的本機Java代理
• 使用任何StatsD投訴工具進行自定義異常檢測可視化
• 無代碼和配置更改，通過SaaS、Hybrid和內部部署在5分鐘內安裝
• 帶有黑色主題的壞蛋儀表盤

4. Coralogix

Coralogix對日志數據進行聚類并識別相似性。該工具主要關注公共流，檢測與之連接的日志消息，并在操作未導致預期結果時發出警報。

主要特點：

• Loggregation–捆綁和匯總具有相同模式的日志
• 流量異常-識別連接動作，并檢測其中的異常
• 基于版本的異常-指定僅在部署用戶產品的新版本后發生的異常

5. Anodot

Anodot為用戶提供異常檢測系統和相關分析。他們的重點是檢測任何類型數據庫中的異常，以及識別業務相關數據中的異常。

主要特點：

• 相似日志的行為關聯和分組
• 業務數據異常檢測，在營銷活動、點擊和績效指標中提供異常檢測
• 警報處理–通過將類似異常分組為一個警報來減少噪音
• 異常檢測有助于更好地了解生產應用程序，每個工具都有自己的方法來識別異常。探索每一個工具，并根據問題，根據給你帶來最佳價值的工具做出最終決定。