像Java这样的编程语言可以通过字节码增强技术实现探针方式的链路信息采集。这是一种最开发者最友好的方式，不需要任何代码层面的改动，但并不是每一种编程语言都能提供探针机制，因此SDK方式也被很多全链路监控组件采用。
修改完应用启动命令后，对应用进行重启，就能够成功接入ARMS。如果在1分钟后，ARMS控制台的应用列表能够看到新的应用，就代表接入成功。
在拓扑图页签上，可以通过拓扑图更加直观地看到应用的上下游组件以及与它们的调用关系。相比全局拓扑图，单应用拓扑图能够展示更多细节信息，帮助使用者分析应用的上下游调用情况，从而更快速地找出性能瓶颈。
如果在应用列表视图，并没有发现亮红灯的应用，我们可以从健康度百分比、请求数、错误数、异常数、最近10分钟响应时间等数据中，快速判断一下有没有比较明显的与实际情况存在出入的应用。比如在最近10分钟内，有一个应用从某一个时间点开始，响应时间明显变长，我们就可以把这类应用列入需要进一步进行分析的名单。
通过前一个步骤，找到的可疑应用名单后，我们逐个点击应用名，进行应用总览视图，分析应用的关键指标。ARMS会收集和展示选定时间内应用的总请求量、平均响应时间、错误数、实时实例数、FullGC次数、慢SQL次数、异常次数和慢调用次数，以及这些指标和上一天的环比、上周的同比升降幅度。我们主要关注这一些信息的环比以及同比升降情况，还可以修改右面右上角的时间段，来调整统计时间范围。
点击JVM监控页面的创建内存快照按钮，可以让ARMS在线为应用生成内存快照，并通过控制台在线对内存快照进行分析，从而避免将大体积快照文件回传到开发者的本地环境进行分析。如果我们发现在慢调用比较严重的时间点，GC频繁或者出现了耗时长的FullGC，对于内存快照的分析是必不可少的工作。
对于数据驱动，很多人做到一定程度之后，脑海中会形成一定的方法论和体系，进而形成驱动流程和组织机制。大家也听了很多方法论，包括增长黑客等，貌似自己已经很懂数据驱动了，但是实际操作起来可能连“什么是事件属性这种基础的概念都不了解”，这是很多业务线同学普遍的现状。
定好目标后，一定要了解产品背后的数据质量。关于数据质量，公司内部、部门之间的指标定义各不相同，不过普遍存在数据不准、没有数据、数据脏乱差、易用性差等问题。如何解决？其实，数据中包含着业务需求，需求弄清楚了才会转化到埋点设计，埋点方案再转化为具体的研发。
嵌入式系统的边缘人工智能
边缘人工智能是制造业整体AI开发的重要组成部分。 Edge AI在硬件设备上本地处理数据，而不是依靠通过互联网连接的集中式数据库或处理节点。
这种AI架构的问题在于，许多设备可能开始超载网络流量，或者您可能正在使用已经大量使用的网络。在这些情况下，将数据发送回中央服务器会导致处理时间过长，这是令人无法接受的。这是Edge AI发挥其价值的地方，因为可以在硬件设备上本地执行较不复杂的机器学习和AI流程。
