附图31. Mysql监测
b) 可监测各类NoSQL数据库，包括：Cassandra、MongoDB
附图32. Cassandra数据库监控
附图33. MongoDB数据库监控
2.2.1.10. 大数据（Hadoop）监控
当前云数据中心在大数据方面发展势头明显，大数据云成为云数据中心的主要研究方向之一，同时也是云数据中心与实战结合的关键点。在大数据云的建设方面Hadoop技术占据的重要角色，运维系统支持面向Hadoop核心组件（HDFS、MapReduce 、Yarn、Zookeeper）及内部消息中间件（RibbitMQ）的监控。
25
附图34. 大数据监控架构
2.2.2. 应用性能监控
APM采用最新流行的NOSQL架构，通过协议分析、指标运算和阈值处理三大引擎的处理，实时生成业务系统各环节的Apdex、吞吐量、平均响应时间、错误数、成功率五大指标。
在上层展现上，通过交易总览、业务运行视图、服务节点监控视图等多种方式，全方位可视化展现业务系统和关键交易性能。
附图35. APM产品架构
26
2.2.2.1. 应用拓扑发现
系统自动解析网络镜像数据，获取7层业务调用结构，通过内部自学习自动发现服务组件、服务组件之间的连接性和访问关系。
附图36.
基于自学习能力的应用拓扑自动发现
基于应用系统的监测分析需求，可以有选择性选取相应范围的应用服务对象生成自动
附图37.
反映真实的业务架构和服务性能
2.2.2.2. 应用监控中心
APM能够提供业务的真实服务路径，以业务应用拓扑为视角，以业务拓扑图、时序图的形式可视化展现各服务组件、环节的运行状态。这有助于运维人员准确掌控分布式业务架构。这是在IT基础架构之上观察业务系统运转的全新方法，非常直观，而且具有全局视角，
27
对故障域定位非常有益。
使用业务仪表板编辑功能，可以通过简单的拖拽功能将发现的服务节点快速定义到整体运行视图当中。借助业务仪表板的设计思路，用户可以将基于SOA架构的应用系统抽象成为具体的应用服务路径，并借此获得业务系统的端到端性能管理可视性。
借助拖拽式的时间轴回溯技术，在业务拓扑图基础上可视化展现近期业务的总体变化趋势和告警状态。
附图38. 业务应用拓扑
2.2.2.3. 业务交易监测
系统从5大关键指标，到交易渠道、类型、结果等维度，进行全样本实时分析，支持互联网和传统交易的混合场景，跟踪业务交易的运行态势，准确扑捉交易级隐患，并进一步进行单笔业务的端到端交易链跟踪。
2.2.2.3.1. 交易总览视图
交易总览视图以时序图形式，配合最直观的红黄绿三色，你能够实时发现核心系统的吞吐量和告警状态。
28