Datadog: คืออะไร การตรวจสอบแอปพลิเคชันและการสังเกตการณ์

Datadog คืออะไร?

Datadog เป็นแพลตฟอร์มการตรวจสอบและการสังเกตการณ์บนคลาวด์ที่เปิดตัวในปี 2010 โดย Olivier Pomel และ Alexis Lê-Quôc แพลตฟอร์มมีแดชบอร์ดแบบรวมสำหรับรวบรวมเมตริก, ล็อกและเทรซจากโครงสร้างพื้นฐาน, แอปพลิเคชันและอุปกรณ์ผู้ใช้ แตกต่างจากโซลูชันแบบจุด, Datadog รวม APM, ล็อก, การตรวจสอบโครงสร้างพื้นฐาน, Synthetic Monitoring และ RUM ไว้ในผลิตภัณฑ์เดียว

สถาปัตยกรรมของ Datadog สร้างขึ้นบนเอเจนต์ — โปรแกรมน้ำหนักเบาที่ติดตั้งบนเซิร์ฟเวอร์หรือฝังในแอปพลิเคชัน เอเจนต์รวบรวมข้อมูลและส่งไปยังโครงสร้างพื้นฐานคลาวด์ Datadog ผ่านการเชื่อมต่อที่เข้ารหัส สำหรับแพลตฟอร์มมือถือ, Datadog มี SDK ดั้งเดิมที่ทำงานบน Android (Kotlin, Java) และ iOS (Swift, Objective-C)

ตามรายงาน Gartner Magic Quadrant for APM and Observability (2024), Datadog ได้รับการยอมรับว่าเป็นผู้นำในหมวดหมู่การสังเกตการณ์ด้วยชุดความสามารถแบบบูรณาการที่กว้างที่สุด แพลตฟอร์มนี้ใช้โดยบริษัทอย่าง Samsung, Adidas และ Peloton เพื่อตรวจสอบอุปกรณ์นับล้านทุกวัน

สำหรับทีมมือถือ, Datadog มีคุณค่าเป็นพิเศษเพราะเชื่อมต่อประสิทธิภาพแบ็กเอนด์กับประสบการณ์ผู้ใช้บนอุปกรณ์ หาก API เริ่มตอบสนองช้าลง, Datadog จะแสดงไม่เพียงเวลาตอบสนองของเซิร์ฟเวอร์ แต่ยังแสดงว่ามันส่งผลต่อเวลาเริ่มต้นหรือการเรนเดอร์หน้าจอบนรุ่นโทรศัพท์เฉพาะอย่างไร

ส่วนประกอบหลักของแพลตฟอร์ม

Infrastructure Monitoring ติดตามเมตริก CPU, หน่วยความจำ, ดิสก์และเครือข่ายสำหรับเซิร์ฟเวอร์, คอนเทนเนอร์และคลัสเตอร์ Kubernetes APM (Application Performance Monitoring) รวบรวมเทรซสำหรับแต่ละคำขอที่ผ่านระบบกระจายและแสดงความหน่วงในแต่ละช่วง การจัดการล็อกจะรวบรวมล็อกทั้งหมด — ตั้งแต่ระบบไปจนถึงแอปพลิเคชัน — พร้อมการค้นหาข้อความแบบเต็มและความสามารถในการสร้างเมตริกจากล็อก Synthetic Monitoring จำลองสถานการณ์ผู้ใช้จากตำแหน่งทางภูมิศาสตร์ต่างๆ Real User Monitoring (RUM) รวบรวมข้อมูลจากอุปกรณ์ผู้ใช้จริง รวมถึงโทรศัพท์มือถือและแท็บเล็ต

โมเดลราคา

Datadog ใช้โมเดล จ่ายตามการใช้งาน พร้อมราคาตามผลิตภัณฑ์: โฮสต์โครงสร้างพื้นฐาน, โฮสต์ APM, ล็อก (ปริมาณเป็นกิกะไบต์), เซสชัน RUM และการทดสอบ Synthetic แต่ละผลิตภัณฑ์จะถูกเรียกเก็บแยกต่างหาก ช่วยให้คุณจ่ายเฉพาะฟีเจอร์ที่ใช้ ราคาเริ่มต้นที่ 15 ดอลลาร์ต่อโฮสต์ต่อเดือนสำหรับการตรวจสอบโครงสร้างพื้นฐานและ 1 ดอลลาร์ต่อ 10,000 เซสชัน RUM สตาร์ทอัพสามารถสมัครโปรแกรม Datadog for Startups พร้อมเครดิตสูงถึง 100,000 ดอลลาร์

Datadog APM และ Distributed Tracing

Application Performance Monitoring (APM) ใน Datadog เป็นระบบการติดตามแบบกระจายที่ติดตามแต่ละคำขอตั้งแต่เริ่มต้นจนถึงการดำเนินการที่ซ้อนกันทั้งหมดเสร็จสมบูรณ์ APM จะตรวจจับเฟรมเวิร์กและไลบรารียอดนิยมโดยอัตโนมัติ: Spring Boot, Django, Express.js, ASP.NET Core และอื่นๆ สำหรับแต่ละคำขอ, APM จะสร้าง flame graph — การแสดงเวลาดำเนินการในทุกเส้นทางโค้ดด้วยภาพ

Flame graph แสดงให้เห็นว่าการเรียกใช้ฟังก์ชันหรือคำขอบริการภายนอกแต่ละรายการใช้เวลาเท่าใด หากเมธอดฐานข้อมูลใช้เวลา 2 วินาทีแทนที่จะเป็น 200 มิลลิวินาทีตามที่คาดไว้ จะเห็นได้ทันทีบนกราฟ Datadog APM รองรับ OpenTelemetry — มาตรฐานเปิดสำหรับการรวบรวมเทเลเมทรี — ช่วยให้คุณเชื่อมต่อเครื่องมือจากผู้ให้บริการที่เข้ากันได้

ตาม Benchling Engineering Blog (2024), การย้ายไปยัง Datadog APM ลดเวลาในการวินิจฉัยเหตุการณ์ของทีมจาก 45 นาทีเหลือ 8 นาทีผ่านการเชื่อมโยงเทรซกับล็อกและเมตริกอัตโนมัติ สถานการณ์หลักคือการเชื่อมโยงเทรซกับล็อก: ด้วย ID เทรซเดียว, คุณสามารถค้นหาล็อกทั้งหมดที่เกี่ยวข้องกับคำขอเฉพาะได้โดยไม่ต้องค้นหาด้วยตนเอง

แผนผังบริการและการพึ่งพา

แผนผังบริการ เป็นกราฟที่สร้างโดยอัตโนมัติของบริการทั้งหมดในระบบและการเชื่อมต่อระหว่างกัน แต่ละบริการจะแสดงเป็นโหนด, และการเชื่อมต่อระหว่างโหนดแสดงการเรียกที่เกิดขึ้นระหว่างบริการ สีของโหนดสะท้อนสถานะสุขภาพ: เขียว — การทำงานปกติ, เหลือง — ความหน่วงเพิ่มขึ้น, แดง — ข้อผิดพลาด แผนผังบริการช่วยระบุได้อย่างรวดเร็วว่าบริการใดเป็นคอขวด แม้ไม่มีความรู้เกี่ยวกับสถาปัตยกรรมมาก่อน

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 สำหรับแอปพลิเคชันมือถือ

Real User Monitoring (RUM) ใน Datadog รวบรวมข้อมูลจากอุปกรณ์ผู้ใช้จริง — เวลาโหลดหน้าจอ, การตอบสนองต่อการสัมผัส, การใช้หน่วยความจำ, ความถี่ ANR (Application Not Responding) และอัตราการขัดข้อง RUM SDK สำหรับ Android และ iOS ถูกรวมเข้ากับแอปพลิเคชันและสร้างเซสชันโดยอัตโนมัติ, จัดกลุ่มเหตุการณ์ทั้งหมดภายในการโต้ตอบผู้ใช้ครั้งเดียว

แต่ละเซสชัน RUM มีลำดับเหตุการณ์: การเปิดหน้าจอ, การแตะปุ่ม, คำขอเครือข่าย, การเลื่อน สำหรับแต่ละเหตุการณ์, Datadog จะบันทึกการประทับเวลา, ระยะเวลาและคุณลักษณะทางเทคนิคของอุปกรณ์: รุ่น, OS, เวอร์ชันแอป, ประเภทการเชื่อมต่อ ซึ่งช่วยให้กรองเมตริกตามเวอร์ชันและอุปกรณ์เฉพาะ ตัวอย่างเช่น คุณสามารถเห็นว่าเวลาเริ่มต้นเพิ่มขึ้นบน Android 14 กับรุ่น Samsung ที่เฉพาะเจาะจง

RUM ถูกรวมเข้ากับ APM อย่างแน่นหนา: หากเซสชันผู้ใช้สิ้นสุดลงด้วยข้อผิดพลาดบนหน้าจอชำระเงิน, Datadog จะแสดงเทรซแบ็กเอนด์ที่เกี่ยวข้องโดยอัตโนมัติ ซึ่งช่วยเร่งการวินิจฉัยได้ 5-7 เท่าเมื่อเทียบกับการจับคู่ล็อกฟร้อนท์เอนด์และแบ็กเอนด์ด้วยตนเอง สำหรับทีมมือถือ, RUM ยังมีรายการเฝ้าดู — สรุปประจำสัปดาห์เกี่ยวกับการลดลงของเมตริกสำคัญ

การตั้งค่าการตรวจสอบข้อผิดพลาด RUM

Datadog RUM รวบรวม รายงานการขัดข้อง โดยอัตโนมัติพร้อม stacktrace แบบเต็ม รวมถึงหมายเลขบรรทัดของโค้ดต้นทาง สำหรับ Android, ทำงานผ่านการรวมกับ ACRA หรือ Firebase Crashlytics; สำหรับ iOS — ผ่าน PLCrashReporter แต่ละการขัดข้องจะเชื่อมโยงกับเซสชันผู้ใช้, ช่วยให้สามารถเล่นลำดับการกระทำที่นำไปสู่การขัดข้องซ้ำได้ RUM ยังติดตาม ANR — หนึ่งในเหตุการณ์ที่สำคัญที่สุดสำหรับแอปพลิเคชัน Android หากแอปไม่ตอบสนองนานกว่า 5 วินาที, Datadog จะบันทึก ANR และแสดง dump เธรดแบบเต็ม ณ เวลาที่ UI ถูกบล็อก

การบันทึกและเมตริกโครงสร้างพื้นฐาน

การจัดการล็อก ใน Datadog จะรวบรวมล็อกแอปพลิเคชันและโครงสร้างพื้นฐานทั้งหมดในพื้นที่เก็บข้อมูลเดียวพร้อมการค้นหาข้อความแบบเต็ม ล็อกมือถือ (เหตุการณ์วิเคราะห์, ข้อผิดพลาด API, เทเลเมทรี) จะถูกส่งจากอุปกรณ์ผ่าน SDK และรวมกับล็อกเซิร์ฟเวอร์โดยใช้ตัวระบุร่วม Datadog จะแยกล็อกเป็นฟิลด์ที่มีโครงสร้างโดยอัตโนมัติ: ระดับ (INFO, WARN, ERROR), บริการ, โฮสต์, การประทับเวลา, ข้อความ

สำหรับการกรองล็อก, Datadog ใช้ภาษาคิวรีของตัวเองที่รองรับ ไวลด์การ์ด, นิพจน์ปกติและแง่มุม ล็อกสามารถจัดกลุ่มตามรูปแบบ — Datadog จะตรวจจับรูปแบบที่ซ้ำกันโดยอัตโนมัติและแสดงเป็นคลัสเตอร์เดียว ซึ่งมีประโยชน์อย่างยิ่งเมื่อวิเคราะห์ล็อกนับพันจากอุปกรณ์มือถือ: ข้อผิดพลาดที่เหมือนกันจะถูกจัดกลุ่มและนักพัฒนาเห็นไม่ใช่ 10,000 บรรทัด แต่เป็น 10 คลัสเตอร์พร้อมความถี่ในการเกิด

เมตริก เป็นอนุกรมเวลาเชิงตัวเลขที่รวบรวมในช่วงเวลาตั้งแต่ 1 วินาที Datadog รองรับเมตริกสามประเภท: gauge (ค่าปัจจุบัน), count (ผลรวมในช่วง) และ rate (อัตราการเปลี่ยนแปลง) สำหรับแอปพลิเคชันมือถือ, เมตริกแบบกำหนดเองสามารถติดตามจำนวนการเปิดหน้าจอ, เวลาดำเนินการของสถานการณ์ทางธุรกิจหลักหรือความถี่ในการใช้ฟีเจอร์เฉพาะ เมตริกแบบกำหนดเองจะถูกส่งผ่าน DogStatsD — โปรโตคอลที่เข้ากันได้กับ StatsD พร้อมส่วนขยาย 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"
            )
        )
    }
}

การรวม SDK Datadog ในโปรเจกต์มือถือ

SDK Datadog สำหรับ Android และ iOS มีชุดโมดูลแบบรวม: Core (การเริ่มต้น), RUM (การตรวจสอบประสบการณ์ผู้ใช้), Logs (การส่งล็อก), Trace (การติดตามคำขอ) สำหรับ Android, SDK จะถูกเพิ่มผ่าน Gradle; สำหรับ iOS — ผ่าน CocoaPods หรือ Swift Package Manager หลังจากติดตั้ง, SDK จะเริ่มต้นใน Application.onCreate (Android) หรือ AppDelegate (iOS) โดยส่ง client token, สภาพแวดล้อมและชื่อแอปพลิเคชัน

สำหรับการติดตามคำขอเครือข่ายอัตโนมัติบน Android, ใช้ OkHttp Interceptor; บน iOS — NSURLProtocol หรือ URLSession delegate Datadog ยังรองรับการรวมกับไคลเอนต์ HTTP ยอดนิยม: Retrofit, Apollo GraphQL, Ktor, Alamofire หลังจากเชื่อมต่อ Interceptor, แต่ละคำขอ HTTP จะเชื่อมโยงกับเซสชัน RUM และเทรซ APM โดยอัตโนมัติ, สร้างห่วงโซ่เดียวจากไคลเอนต์ไปยังเซิร์ฟเวอร์

การกำหนดค่าผ่าน Gradle (Android)

dependencies {
    // SDK หลักและโมดูล RUM
    implementation "com.datadoghq:dd-sdk-android-core:2.15.0"
    implementation "com.datadoghq:dd-sdk-android-rum:2.15.0"
    // การรวม OkHttp สำหรับการติดตามอัตโนมัติ
    implementation "com.datadoghq:dd-sdk-android-okhttp:2.15.0"
    // การรายงานการขัดข้อง NDK
    implementation "com.datadoghq:dd-sdk-android-ndk:2.15.0"
}

การเริ่มต้นบน 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
    }
}

แดชบอร์ดและการแจ้งเตือน Datadog

Datadog มี ตัวแก้ไขแดชบอร์ดแบบกราฟิก ที่คุณสามารถรวมกราฟเมตริก, ตารางล็อก, แผนผังต้นไม้การกระจายข้อผิดพลาดและวิดเจ็ต SLO แดชบอร์ดรองรับตัวแปรเทมเพลต — ตัวอย่างเช่น, คุณสามารถสร้างแดชบอร์ดเดียวสำหรับบริการทั้งหมดและสลับบริบทโดยใช้เมนูแบบเลื่อนลงพร้อมชื่อบริการ แต่ละแดชบอร์ดสามารถเผยแพร่ในโหมดอ่านอย่างเดียวสำหรับผู้มีส่วนได้ส่วนเสียภายนอกผ่านลิงก์สาธารณะ

ระบบ มอนิเตอร์ (การแจ้งเตือน) ช่วยให้กำหนดเงื่อนไขเกณฑ์สำหรับเมตริกใดๆ: หากความหน่วงเกิน 500 มิลลิวินาทีนานกว่า 5 นาที — ส่งการแจ้งเตือนไปยัง Slack, PagerDuty หรืออีเมล Datadog รองรับเงื่อนไขประกอบ: “หากข้อผิดพลาด 5xx > 1% และจำนวนคำขอ > 1000/นาที, เพิ่มลำดับความสำคัญเป็นวิกฤต” สำหรับทีมมือถือ, มอนิเตอร์การตรวจจับการถดถอยมีประโยชน์อย่างยิ่ง — Datadog จะเปรียบเทียบเมตริกปัจจุบันกับเส้นฐานในอดีตโดยอัตโนมัติและแจ้งเตือนเมื่อมีการลดลงที่มีนัยสำคัญทางสถิติ

ตาม Gartner Peer Insights (2024), เวลาแก้ไขเฉลี่ย (MTTR) สำหรับทีมที่ใช้มอนิเตอร์ Datadog พร้อมการเชื่อมโยงอัตโนมัติลดลง 35% ในเดือนแรกหลังการนำไปใช้ ซึ่งทำได้เนื่องจากการแจ้งเตือนแต่ละครั้งไม่เพียงมีเงื่อนไขการเรียกใช้ แต่ยังมีลิงก์ไปยังแดชบอร์ด, ล็อกและเทรซที่เกี่ยวข้อง — นักพัฒนาไม่ต้องสลับระหว่างเครื่องมือ