物聯網已經在許多領域成為現實：智能路燈、智能電表和自耕農田等等。設備可以決定何時啟動，何時購買能源（因為價格便宜）以及何時開始澆灌田地。決策基于數據，而不僅僅是預編程的激活。
甚至還有更多：可預測即將到來疾病的可穿戴設備，或者在出現問題時可自行通知客服人員的電子設備。
這些用例都有一個共同點：數據。數據量已經達到歷史新高，問題是誰應該分析這些海量數據？自從物聯網時代開始以來，就不可能再手動監控IT運營。物聯網將很快成為標準解決方案，因此您將必須自動進行可用性檢查和監控。
復雜性爆發
云技術和物聯網幾乎同時席卷全球。這意味著通過設備的廣泛聯網，數據量爆炸式增長，以及當今基于云的超動態應用的高變化率。
麥肯錫預計，到2025年，物聯網每年將帶來11萬億美元的全球經濟價值。例如，總價值的90%將通過降低費用或節省時間而使用戶（使用物聯網應用的消費者或公司）受益。與此同時，物聯網將軟化技術公司和傳統企業之間的界限，從而實現新的、數據驅動的商業模式。
讓我們繼續澆灌田地的例子。后端系統對自動噴灌負責，在某些情況下還負責現場的邊緣處理。但是，如果通信不起作用怎么辦？或者是后端系統有問題，也許是因為部署了錯誤的更新？系統不會開始澆地，結果農作物會死掉。
問題出在哪里？
通常很難判斷問題的原因出在哪里。找出一個設備工作而另一個不工作的原因可能是一個挑戰。而且隨著物聯網的出現，這些問題只會越來越多，因此有必要自動檢測和分析物聯網拓撲，以了解其影響，并實時、快速地主動解決問題。智能家居中的系統故障可能不會導致危及生命，而自動駕駛汽車中的系統故障可能會。因此，有必要立即發現問題并進行修復或切換到備用系統。
海量數據的一個后果是物聯網設備必須自我監控，正如前面提到的那樣，可用性監測已成為物聯網的核心要素。
人工智能拯救
利用人工智能和機器學習，即使是最復雜的系統也可以實現無縫監控。基于人工智能的監控解決方案需要了解整個系統。除了物聯網設備的邊緣基礎設施之外，這也適用于相關后端系統以及連接的系統，如數據庫、中間件、應用程序和前端應用程序。
因此，端到端應用程序性能監控變得更加重要。企業需要智能解決方案來避免停機和性能問題。可持續發展的公司需要實時分析其系統是否平穩運行、用戶目前正在做什么和體驗什么，以及邊緣設備在物聯網中的行為。
