全体的に使い勝手が良く、特にログ管理機能は優秀。カスタマイズ性も高く、それぞれのユースケースに合った利用が可能です。

参考になった

会員限定コンテンツです。無料登録すると制限なしでお読みいただけます。

無料登録してアーキテクチャを見る

レビュー投稿日の情報になります

筋肉CTO

CTO・VPoE / CTO / 従業員規模: 11名〜50名 / エンジニア組織: 10名以下

最終更新日2024/08/07投稿日2023/11/02

利用プラン	ツールの利用規模	ツールの利用開始時期
Datadog Proプラン	10名以下	2022年9月

利用プラン	Datadog Proプラン
ツールの利用規模	10名以下
ツールの利用開始時期	2022年9月

アーキテクチャ

会員限定コンテンツ無料登録してアーキテクチャを見る

アーキテクチャの意図・工夫

クラウド環境としてAWSを利用しており、ECSやLambda、Step Functionといったサービスで動作するワークロードに対し、Datadog Agentをアタッチして各種テレメトリーを取得しています。
Datadog AgentはほとんどをDocker Imageとして導入しています。通信量の削減のため、ECRのPull through cache機能とVPCエンドポイントを活用しています。
メトリクスはAgentからDatadogサーバーへ直接送信されます。ログはDatadog Forwarderと呼ばれるLambda関数で、CloudWatchのログを転送しています。

導入の背景・解決したかった問題

導入背景

システム監視ツールとしてはAWSの組み込みのCloudWatchを使っていたのですが、次のような課題がありました。

ロググループ（サービス）を横断した検索やフィルタリングが難しい
- 1つの処理が複数のサービスにまたがることがシステム特性上多いのですが、調査の際は開発者がコンソールに入ってそれぞれのサービスの関連するログを1つ1つ手動で見に行く必要がありました。UIもなかなか直感的に使えない部分が多く開発者のストレスにもなっていました。
UIが直感的でなく使いづらい
アラートのSlackへの通知を簡単に行いたい
SLI/SLOの運用を手軽に行いたい

システムの品質や信頼性を担保していくためにSLI/SLOの運用を本格的にやっていこうとなったタイミングで、Datadogの検討を始めました。

選定理由

全体的な使い勝手の良さ、特にログ管理機能
社内に経験のあるメンバーが多いこと
クラウドとのインテグレーションの充実度

また、導入背景の③アラート通知やメッセージが簡単に設定・カスタマイズできる点、④のSLI/SLOの運用機能が標準でサポートされている点が決め手となり、Datadogの導入を決めました。一方で、導入にあたってのツール選定はあまり時間をかけてはおらず、社内メンバーにDatadogを以前に使ったことがあり慣れているメンバーが多いことが主な選定理由でした。Datadogというと他サービスと比較したときに主に料金面がネックになってくることが多いと思いますが、スタートアップということもあり時間をお金で買うことで本質的なプロダクト開発に集中できる環境を作ろうという意思決定をしました。

導入に向けた社内への説明

上長・チームへの説明

スタートアップで人数も多くなく、システム監視体制の整備が急務であったため導入に際しての意思決定にはそこまで時間はかかりませんでした。導入に際しては料金面が主な懸念だったため、現在のサービス規模をDatadogに移行した時にかかる金額をホスト数やログのデータ量等を元に試算し、月あたりの上限額の目安を決めてまずはこれを超えない範囲で運用していこうという形で社内で合意を得て導入を進めました。また、Datadogの使いやすさという強みを活かし、開発者がよりダッシュボードを頻繁に確認したりログ・メトリクスを仕込むようになったりと、一人一人が自律的にオブザーバビリティについて考える文化の醸成に繋がることも期待して導入を進めました。

費用対効果の算出

費用対効果として、障害対応・調査におおよそエンジニアあたり週2時間程度の時間が取られている現状があり、ログ横断機能やUXの向上によってその作業時間の2-3割の削減が見込まれることからざっくりと試算を行いました。

活用方法

よく使う機能

Dashboards

サービスごとにProduction Readiness CheckとしてDatadogのダッシュボードを用意することを要件として定義しており、ダッシュボードを見ればそのサービスの状態が一目でわかるようになっています。
チームの週次ミーティングでダッシュボードを眺めながらSLI/SLOや各種メトリクスに異常がないかを確認している他、アラートが上がった時に何が起きているかの全体像を把握するためのエントリポイントとして機能しています。

ツールの良い点

監視ツールとしての機能は一通り揃っており、使い勝手も良いので料金体系がフィットするのであればまず試して損はないと思います。
UIが直感的で、ドキュメントも充実しているため使ったことがない人でもすぐに操作に慣れることができます。
使いやすさの反面カスタマイズ性も高く設計されておりユースケースに合わせた柔軟な使い方が可能です。
インテグレーションが充実しており、最小限のセットアップで豊富なメトリクスを使い始めることができます。
かなり成熟したプロダクトであるものの未だに開発速度が非常に速く、日々新しい機能がリリースされるのが密かな楽しみになっています。最近だとSession & Replaysからブラウザテストを自動生成する機能が公開されていたりして社内が騒然としました。

ツールの課題点

料金に関するコントロール AWSなどのクラウドに比べるとかなり機能不足を感じます。月毎の予測コスト、累積コストのグラフは確認することができますが、過去のコストについては請求レポートのPDFでしか確認できないようです。Datadog自体の料金に対するメトリクスがなく、上限額を設定したり予算を超えた場合にアラートを設定したりといったことが現状できません。対策として各サービスごとのesitmated_usage（予測使用量）のメトリクスが用意されており、これに対するアラートを設定することができますが、数十あるサービスについてそれぞれ設定する必要があり料金額ベースで一元管理したい場合には不便です。
イベント管理の機能があるのですが機能も少なくメトリクス・ログとの使い分けがわかっていないです。
クラウドのコストを可視化できる機能があり、Datadogでコストを一元管理できたら便利だなと思ったのですが、現在の利用規模だとかなり料金が割高になってしまい利用を諦めました。