Datadog 全栈可观测

Datadog 将 Infrastructure、APM、Logs、RUM、Synthetic 集成在同一平台，适合 「少运维、快上线、跨云统一视图」 的团队。本课讲 Agent 架构、与 OTel/Prometheus 的衔接及成本意识；开源对照见 prometheus-essentials 与 observability-essentials，DevOps 选型见 /roadmaps/devops。

学习目标

• 理解 Datadog Agent 主机级采集 vs DD-TRACE 应用级 APM
• 配置 OpenMetrics/Prometheus scrape 或 Remote Write 接入已有指标
• 评估 按主机 + 按 ingest GB 计费对预算的影响

组件架构

Host / Pod
  └─ Datadog Agent
        ├─ checks → 系统、Docker、K8s 元数据
        ├─ APM    → dd-trace-java 自动插桩
        ├─ Logs   → tail 容器日志 → intake
        └─ OpenMetrics → 抓取 /actuator/prometheus
              └─ Datadog SaaS（Metrics + APM + Logs 关联）

关联分析 是 Datadog 核心卖点：从 Infrastructure 主机 CPU 飙高 → 跳到该主机上的 service trace → 同一 traceId 的 log，无需手动拼三个系统。

与现有栈集成

已有资产	Datadog 接入方式
Prometheus metrics	Agent OpenMetrics check 或 Prometheus Remote Write
OTel traces	OTLP → Datadog Agent 或 Datadog OTel Collector
Spring Boot	dd-java-agent.jar 或 Micrometer registry（指标）

# datadog-agent openmetrics 概念配置
init_config:
instances:
  - openmetrics_endpoint: http://backend:8080/actuator/prometheus
    namespace: coderoadmap
    metrics:
      - http_server_requests_seconds*

注意 高 cardinality 标签（如 userId）会导致 custom metrics 账单爆炸；与 obs-metrics 的标签最佳实践一致。

练习

• 画 Datadog 中 Metrics / APM / Logs 三角关联的排障路径
• 对比 Datadog vs 自建 Prometheus+Jaeger+Loki：列出 5 条差异
• 估算：10 台主机 + 50GB/月日志 ingest 的粗略成本量级（查官网定价页）

小结

Datadog 用统一 Agent 与 SaaS 降低集成成本，但需管控 ingest 与 custom metrics。 下一课对比 New Relic 与 Dynatrace 的定位差异。