DataDog連携

DataDogは、クラウド監視とログ管理プラットフォームです。AWSと統合して包括的な監視を実現します。

なぜDataDogが必要なのか

CloudWatchだけの課題

問題点:

マルチクラウド環境の統合監視が困難
アプリケーションレベルのメトリクスが不足
ダッシュボードのカスタマイズが限定的
アラートの高度な条件設定が困難

DataDogの解決:

マルチクラウド・オンプレミス統合監視
APM（Application Performance Monitoring）
豊富なダッシュボードテンプレート
高度なアラート設定

DataDog Agentのインストール

# EC2インスタンスにDataDog Agentをインストール
DD_API_KEY=your-api-key DD_SITE="datadoghq.com" bash -c "$(curl -L https://s3.amazonaws.com/dd-agent/scripts/install_script_agent7.sh)"

AWSインテグレーション

1. IAMロールの作成

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": [
        "cloudwatch:Get*",
        "cloudwatch:List*",
        "ec2:Describe*",
        "rds:Describe*",
        "s3:GetBucketLocation",
        "s3:ListAllMyBuckets"
      ],
      "Resource": "*"
    }
  ]
}

2. DataDogでの設定

api_key: <YOUR_API_KEY>
site: datadoghq.com

# AWS統合
aws:
  instance: true
  tags:
    - env:production
    - team:backend

カスタムメトリクスの送信

# PythonアプリケーションからDataDogにメトリクスを送信
from datadog import initialize, api

options = {
    'api_key': 'your-api-key',
    'app_key': 'your-app-key'
}

initialize(**options)

# カスタムメトリクスの送信
api.Metric.send(
    metric='myapp.request.count',
    points=100,
    tags=['env:production', 'service:api']
)

# カスタムイベントの送信
api.Event.create(
    title='Deployment completed',
    text='Application deployed successfully',
    tags=['env:production', 'deployment']
)

APM（Application Performance Monitoring）

# Python FlaskアプリケーションでのAPM設定
from ddtrace import patch_all
patch_all()

from flask import Flask
from ddtrace import tracer

app = Flask(__name__)

@app.route('/api/users')
@tracer.wrap()
def get_users():
    # データベースクエリ
    users = db.query('SELECT * FROM users')
    return jsonify(users)

ログの収集

# Pythonロギングの設定
import logging
from ddtrace import tracer

# DataDogにログを送信
logging.basicConfig(
    level=logging.INFO,
    handlers=[
        logging.StreamHandler(),
        # DataDogログハンドラー
    ]
)

logger = logging.getLogger(__name__)
logger.info('Application started', extra={
    'dd.trace_id': tracer.current_trace_id(),
    'dd.span_id': tracer.current_span_id()
})

ダッシュボードの作成

{
  "title": "Production Dashboard",
  "widgets": [
    {
      "definition": {
        "type": "timeseries",
        "requests": [
          {
            "q": "avg:aws.ec2.cpuutilization{env:production}",
            "display_type": "line"
          }
        ],
        "title": "EC2 CPU Utilization"
      }
    },
    {
      "definition": {
        "type": "query_value",
        "requests": [
          {
            "q": "sum:myapp.request.count{env:production}",
            "aggregator": "sum"
          }
        ],
        "title": "Total Requests"
      }
    }
  ]
}

アラートの設定

# DataDogアラート設定
alert:
  name: High Error Rate
  query: |
    sum(last_5m):sum:myapp.error.count{env:production} > 100
  message: |
    Error rate is high: {{value}} errors in the last 5 minutes
  options:
    notify_audit: false
    notify_no_data: false
    thresholds:
      critical: 100
      warning: 50

実践例: マルチサービス監視

# マイクロサービス全体の監視
from datadog import api

# サービス間の依存関係を可視化
api.ServiceLevelObjective.create(
    name='API Availability',
    type='metric',
    query={
        'numerator': 'sum:myapp.request.success{env:production}',
        'denominator': 'sum:myapp.request.total{env:production}'
    },
    thresholds=[
        {
            'timeframe': '7d',
            'target': 99.9,
            'warning': 99.5
        }
    ]
)

CloudWatchとDataDogの使い分け

用途	CloudWatch	DataDog
AWSリソース監視	✓	✓
アプリケーション監視	△	✓
マルチクラウド	×	✓
コスト	低	高
カスタマイズ性	中	高

まとめ

DataDog連携のポイント：

統合監視: AWS、アプリケーション、インフラを一元管理
APM: アプリケーションのパフォーマンス追跡
ログ管理: 集中ログ管理と分析
アラート: 高度なアラート条件設定
ダッシュボード: カスタマイズ可能な可視化

DataDogは、エンタープライズレベルの監視を実現する強力なツールです。適切に設定することで、システム全体の可観測性を大幅に向上させることができます。