株式会社ニーリーのDatadog導入事例

Datadogを導入するにあたり次の２つの課題がありました。

• 監視体験の改善
  • Datadogを導入する前はAmazon CloudWatchを利用して監視運用をしていました。しかし、ログからメトリクスフィルターを作成しアラームを設定するという体験があまり良くないと感じていました。
• システムの各種テレメトリーデータの収集
  • AWSでデフォルトで計測される以上のデータを取得しておらず可観測性がとても低い状態にありました。

• 監視の改善
  • DatadogのMonitor機能は計測される様々なデータ（ログ、メトリクス、イベント、SLO、etc..）から直接Monitorを作成することが可能なため監視運用の体験がとても向上したと感じています。
• システムの各種テレメトリーデータの収集
  • APMを導入したことで今まで収集できていなかったトレース情報を確認できるようになったためシステムのパフォーマンス改善に大いに役立っています。
  • OpenTelemeryを使って自分で計測したメトリクスを簡単に可視化できるようになったため可観測性の向上にも寄与しています。（計測例）

Datadogは多くの機能が提供され現在も頻繁にアップデートがおこなわれています。一度に多くの機能を使うのではなく、まずは対象を絞って小さく導入していくことをおすすめします。また、良くも悪くも従量課金なので日常的に見るデータに絞ってDatadogに集約していくのが良いと思います。特にログは増えることはあっても自然に減ることはあまりありません。その結果、気づいたらログ料金が膨れ上がっているということが起きかねないので気をつけてみてください。

ソースコードインテグレーションとDatabase Monitoring機能の導入を検討しています。

ソースコードインテグレーションはGitHubなどのソースコード管理ツールと接続することで、テレメトリーデータとソースコードを関連付ける機能です。APMのError Trackingからエラーが発生したコードを確認できるようになるため障害時の調査を効率的におこなえるようになると期待しています。

Database Monitoringはデータベースに関する様々なデータを可視化してくれる機能です。スロークエリーの特定や実行計画の確認などをDatadog上でおこなえるようになるためパフォーマンス改善がよりやりやすくなると期待しています。また、カスタムクエリーという任意のクエリー結果からメトリクスを生成する機能があります。たとえば、テーブルのレコード数などをメトリクス化しその推移とクエリーのレイテンシーなどを比較することで新たな改善点を発見できるのではないかと考えています。