Datadog : qu'est-ce que c'est, surveillance d'applications et observabilité

Qu'est-ce que Datadog ?

Datadog est une plateforme cloud de surveillance et d'observabilité lancée en 2010 par Olivier Pomel et Alexis Lê-Quôc. La plateforme fournit un tableau de bord unifié pour collecter des métriques, des journaux et des traces depuis l'infrastructure, les applications et les appareils utilisateurs. Contrairement aux solutions ponctuelles, Datadog combine l'APM, les journaux, la surveillance d'infrastructure, le Synthetic Monitoring et le RUM en un seul produit.

L'architecture de Datadog repose sur des agents — des programmes légers installés sur les serveurs ou intégrés dans les applications. L'agent collecte les données et les envoie à l'infrastructure cloud Datadog via une connexion cryptée. Pour les plateformes mobiles, Datadog fournit des SDK natifs fonctionnant sur Android (Kotlin, Java) et iOS (Swift, Objective-C).

Selon le rapport Gartner Magic Quadrant for APM and Observability (2024), Datadog est reconnue comme leader dans la catégorie observabilité avec l'ensemble de capacités intégrées le plus large. La plateforme est utilisée par des entreprises telles que Samsung, Adidas et Peloton pour surveiller quotidiennement des millions d'appareils.

Pour les équipes mobiles, Datadog est particulièrement précieux car il relie les performances backend à l'expérience utilisateur sur l'appareil. Si une API commence à répondre plus lentement, Datadog montre non seulement le temps de réponse du serveur, mais aussi comment cela a affecté le temps de démarrage ou le rendu d'écran sur un modèle de téléphone spécifique.

Composants clés de la plateforme

Infrastructure Monitoring suit les métriques CPU, mémoire, disque et réseau pour les serveurs, conteneurs et clusters Kubernetes. L'APM (Application Performance Monitoring) collecte des traces pour chaque requête traversant un système distribué et montre la latence à chaque saut. Log Management centralise tous les journaux — système et application — avec recherche en texte intégral et capacité de créer des métriques à partir des journaux. Synthetic Monitoring simule des scénarios utilisateur depuis différentes zones géographiques. Real User Monitoring (RUM) collecte des données depuis les appareils réels des utilisateurs, y compris les téléphones mobiles et les tablettes.

Modèle de tarification

Datadog utilise un modèle pay-as-you-go avec une tarification par produit : hôtes d'infrastructure, hôtes APM, journaux (volume en gigaoctets), sessions RUM et tests Synthetic. Chaque produit est facturé séparément, ce qui permet de ne payer que pour les fonctionnalités utilisées. Les prix commencent à 15 $ par hôte par mois pour la surveillance d'infrastructure et à 1 $ pour 10 000 sessions RUM. Les startups peuvent postuler au programme Datadog for Startups avec des crédits allant jusqu'à 100 000 $.

Datadog APM et le Tracing distribué

Application Performance Monitoring (APM) dans Datadog est un système de tracing distribué qui suit chaque requête de l'entrée jusqu'à l'achèvement de toutes les opérations imbriquées. L'APM instrumente automatiquement les frameworks et bibliothèques populaires : Spring Boot, Django, Express.js, ASP.NET Core et autres. Pour chaque requête, l'APM construit un flame graph — une représentation visuelle du temps d'exécution sur tous les chemins de code.

Un flame graph montre le temps pris par chaque appel de fonction ou requête de service externe. Si une méthode de base de données prend 2 secondes au lieu des 200 millisecondes attendues, cela est immédiatement visible sur le graphique. L'APM Datadog prend en charge OpenTelemetry — un standard ouvert pour la collecte de télémétrie — permettant de connecter l'instrumentation de tout fournisseur compatible.

Selon le Benchling Engineering Blog (2024), la migration vers Datadog APM a réduit le temps de diagnostic des incidents de l'équipe de 45 minutes à 8 minutes grâce à la corrélation automatique des traces avec les journaux et les métriques. Le scénario clé est la corrélation trace-log : avec un seul ID de trace, vous pouvez trouver tous les journaux liés à une requête spécifique sans recherche manuelle.

Carte des services et dépendances

Service Map est un graphe construit automatiquement de tous les services du système et de leurs interconnexions. Chaque service est affiché comme un nœud, et les connexions entre nœuds montrent quels appels se produisent entre les services. La couleur du nœud reflète l'état de santé : vert — fonctionnement normal, jaune — latence accrue, rouge — erreurs. Service Map aide à identifier rapidement quel service est le goulot d'étranglement, même sans connaissance préalable de l'architecture.

import datadog.trace.api.Trace;
import io.opentelemetry.api.trace.Span;

public class PaymentService {

    @Trace(resourceName = "PaymentService.processPayment")
    public PaymentResult processPayment(Order order) {
        Span span = Tracer.buildSpan("validate.payment").start();
        try {
            PaymentGateway gateway = new PaymentGateway();
            PaymentResult result = gateway.charge(order.getAmount());
            span.setTag("payment.provider", "stripe");
            return result;
        } finally {
            span.close();
        }
    }
}

Real User Monitoring pour les applications mobiles

Real User Monitoring (RUM) dans Datadog collecte des données depuis les appareils réels des utilisateurs — temps de chargement des écrans, réactivité tactile, consommation mémoire, fréquence des ANR (Application Not Responding) et taux de crash. Le SDK RUM pour Android et iOS s'intègre dans l'application et crée automatiquement des sessions, regroupant tous les événements au sein d'une seule interaction utilisateur.

Chaque session RUM contient une séquence d'événements : ouverture d'écran, appui sur un bouton, requête réseau, défilement. Pour chaque événement, Datadog enregistre un horodatage, une durée et les caractéristiques techniques de l'appareil : modèle, OS, version de l'application, type de connexion. Cela permet de filtrer les métriques par versions et appareils spécifiques. Par exemple, vous pouvez voir que le temps de démarrage a augmenté sur Android 14 avec un modèle Samsung spécifique.

Le RUM est étroitement intégré à l'APM : si une session utilisateur se termine par une erreur sur l'écran de paiement, Datadog montre automatiquement la trace backend correspondante. Cela accélère le diagnostic de 5 à 7 fois par rapport à la correspondance manuelle des journaux frontend et backend. Pour les équipes mobiles, le RUM fournit également des rapports de surveillance — un résumé hebdomadaire des dégradations des métriques clés.

Configuration de la surveillance des erreurs RUM

Datadog RUM collecte automatiquement des rapports de crash avec des stacktraces complets, y compris les numéros de ligne du code source. Pour Android, cela fonctionne via l'intégration avec ACRA ou Firebase Crashlytics ; pour iOS — via PLCrashReporter. Chaque crash est lié à une session utilisateur, permettant de rejouer la séquence d'actions ayant conduit au crash. Le RUM suit également les ANR — l'un des événements les plus critiques pour les applications Android. Si l'application ne répond pas pendant plus de 5 secondes, Datadog enregistre l'ANR et affiche le dump complet des threads au moment du blocage de l'UI.

Journalisation et métriques d'infrastructure

Log Management dans Datadog centralise tous les journaux d'application et d'infrastructure dans un référentiel unique avec recherche en texte intégral. Les journaux mobiles (événements analytiques, erreurs API, télémétrie) sont envoyés depuis l'appareil via le SDK et fusionnés avec les journaux serveur à l'aide d'un identifiant commun. Datadog analyse automatiquement les journaux en champs structurés : niveau (INFO, WARN, ERROR), service, hôte, horodatage, message.

Pour le filtrage des journaux, Datadog utilise son propre langage de requête prenant en charge les jokers, les expressions régulières et les facettes. Les journaux peuvent être groupés par motifs — Datadog détecte automatiquement les motifs récurrents et les affiche comme un cluster unique. Ceci est particulièrement utile lors de l'analyse de milliers de journaux provenant d'appareils mobiles : les erreurs identiques sont regroupées et le développeur voit non pas 10 000 lignes mais 10 clusters avec leur fréquence d'apparition.

Les métriques sont des séries temporelles numériques collectées à des intervalles à partir d'une seconde. Datadog prend en charge trois types de métriques : gauge (valeur actuelle), count (somme sur l'intervalle) et rate (taux de changement). Pour les applications mobiles, des métriques personnalisées peuvent suivre le nombre d'ouvertures d'écran, le temps d'exécution d'un scénario métier clé ou la fréquence d'utilisation d'une fonctionnalité spécifique. Les métriques personnalisées sont envoyées via DogStatsD — un protocole compatible StatsD avec des extensions Datadog.

import com.datadog.android.Datadog
import com.datadog.android.log.Logger

class PaymentAnalytics {

    private val logger = Logger.Builder()
        .setDatadogLogsEnabled(true)
        .setNetworkInfoEnabled(true)
        .setBundleWithTraceEnabled(true)
        .build()

    fun trackCheckout(orderId: String, amount: Double) {
        logger.info(
            "Checkout initiated for order {orderId}",
            mapOf(
                "order.id" to orderId,
                "order.amount" to amount,
                "payment.method" to "credit_card"
            )
        )
    }
}

Intégration du SDK Datadog dans un projet mobile

Le SDK Datadog pour Android et iOS fournit un ensemble unifié de modules : Core (initialisation), RUM (surveillance de l'expérience utilisateur), Logs (envoi de journaux), Trace (tracing des requêtes). Pour Android, le SDK est ajouté via Gradle ; pour iOS — via CocoaPods ou Swift Package Manager. Après installation, le SDK est initialisé dans Application.onCreate (Android) ou AppDelegate (iOS) en passant un client token, l'environnement et le nom de l'application.

Pour le tracing automatique des requêtes réseau sur Android, OkHttp Interceptor est utilisé ; sur iOS — NSURLProtocol ou délégué URLSession. Datadog prend également en charge l'intégration avec les clients HTTP populaires : Retrofit, Apollo GraphQL, Ktor, Alamofire. Après la connexion de l'Interceptor, chaque requête HTTP est automatiquement liée à une session RUM et une trace APM, formant une chaîne unique du client au serveur.

Configuration via Gradle (Android)

dependencies {
    // SDK principal et module RUM
    implementation "com.datadoghq:dd-sdk-android-core:2.15.0"
    implementation "com.datadoghq:dd-sdk-android-rum:2.15.0"
    // Intégration OkHttp pour le tracing automatique
    implementation "com.datadoghq:dd-sdk-android-okhttp:2.15.0"
    // Rapports de crash NDK
    implementation "com.datadoghq:dd-sdk-android-ndk:2.15.0"
}

Initialisation sur iOS (Swift)

import DatadogCore
import DatadogRUM
import DatadogLogs

@main class AppDelegate: UIResponder, UIApplicationDelegate {

    func application(
        _ application: UIApplication,
        didFinishLaunchingWithOptions: [UIApplication.LaunchOptionsKey: Any]?
    ) -> Bool {
        Datadog.initialize(
            with: DatadogConfiguration.builder(
                clientToken: "your_client_token",
                environment: "production"
            ).build()
        )
        RUM.enable(
            with: RUMConfiguration(applicationID: "your_rum_app_id")
        )
        return true
    }
}

Tableaux de bord et alertes Datadog

Datadog fournit un éditeur graphique de tableaux de bord où vous pouvez combiner des graphiques de métriques, des tableaux de journaux, des treemaps de distribution d'erreurs et des widgets SLO. Les tableaux de bord prennent en charge les variables de template — par exemple, vous pouvez créer un tableau de bord pour tous les services et changer de contexte à l'aide d'une liste déroulante avec le nom du service. Chaque tableau de bord peut être publié en mode lecture seule pour les parties prenantes externes via un lien public.

Le système de Moniteurs (alertes) permet de définir des conditions de seuil pour toute métrique : si la latence dépasse 500 ms pendant plus de 5 minutes — envoyer une notification à Slack, PagerDuty ou par e-mail. Datadog prend en charge les conditions composites : « Si les erreurs 5xx > 1 % et le nombre de requêtes > 1000/min, augmenter la priorité en critique. » Pour les équipes mobiles, le moniteur de détection de régression est particulièrement utile — Datadog compare automatiquement la métrique actuelle avec une ligne de base historique et alerte en cas de dégradation statistiquement significative.

Selon Gartner Peer Insights (2024), le temps moyen de résolution (MTTR) des équipes utilisant les moniteurs Datadog avec corrélation automatique diminue de 35 % au cours du premier mois suivant l'adoption. Ceci est possible car chaque alerte contient non seulement la condition de déclenchement mais aussi des liens vers les tableaux de bord, journaux et traces associés — les développeurs n'ont pas besoin de basculer entre les outils.