株式会社HacobuにおけるDatadog活用事例

マルチプロダクト化・マイクロサービス化が進むにつれ、プロダクトやサービスをまたいだシステム全体の挙動を把握することが難しくなっていた。各所でメトリクスやログは取得していたものの、サービス間のつながりやリクエストの流れを一貫して追える仕組みは十分とは言えず、障害発生時の調査に時間がかかりやすい状況だった。

Datadog導入により、マイクロサービス間のリクエストの流れをAPM、Logs、RUMで一気通貫に追跡できるようになり、障害時の切り分けと原因特定が大幅に高速化しました。 Monitors、Synthetic、On-Callで検知から通知の自動化も進み、復旧までのリードタイムが短縮されました。 また、Metrics、Log、Trace、RUMといった調査に必要な情報がDatadog上に一元化されたことで、各プロダクトチームが自律的に障害調査や性能改善を行える体制が整いました。

• Datadogは機能が非常に多いため、最初から全部を使おうとせず、必要な機能に絞ってスモールスタートするのがおすすめです
• ログを送るとメトリクスやAPMと自動で紐づきやすくなり、トレーサビリティが大きく向上します
• 一方でログは量に応じてコストが増えやすいため、「障害解析に必要なログ」「重要なサービス・重要なイベント」などにログを絞るとよいと思います
• コストが想定以上に膨らんでいないかを定点観測し、特にログとRUMは重点的にチェックするとよいです

• SLO機能を組織全体で本格活用し、可用性やレイテンシなどの重要指標を「ユーザー体験ベース」で継続的に管理していく
• Bits AIの活用により、アラート発生時の仮説立て・関連ログ/トレースの探索を効率化し、障害調査のリードタイム短縮を狙う
• 人によって活用度が異なるため、社内でTipsや利用プラクティスを共有し、社内全体の活用レベルを底上げしていく