1. Les types #
Choisir le bon type.
Types #
| Type | Exemple | À savoir |
|---|---|---|
| Count | Nombre de commandes dans l'intervalle | S'additionne ; .as_count() |
| Rate | Requêtes par seconde | Normalisé par seconde |
| Gauge | Mémoire utilisée, taille d'une file | Dernière valeur de l'intervalle |
| Histogram | Latence (agent) | Produit avg, max, médiane, p95 calculés par agent : non agrégeables entre hôtes |
| Distribution | Latence globale | Percentiles calculés côté Datadog sur toutes les valeurs : vrais p95/p99 globaux |
2. Les agrégations #
Temps et espace.
Requête #
- L'agrégation temporelle (
.rollup(avg, 60)) réduit chaque série à un point par intervalle ; sur une longue période, Datadog choisit l'intervalle automatiquement. - L'agrégation spatiale (
avg by {service}) combine les séries qui partagent un tag. - Pour des percentiles fiables entre hôtes, utilisez des distributions, pas des moyennes de p95.
3. La cardinalité #
La source n°1 de facture surprise.
Séries #
Une métrique personnalisée est facturée par combinaison unique de nom et de valeurs de tags. Un tag à valeurs non bornées (identifiant utilisateur, de requête, URL complète) fait exploser le nombre de séries.
Erreur Courante : Ne mettez jamais un identifiant unique en tag de métrique : utilisez les logs ou les traces pour ce niveau de détail.
Metrics without Limits #
Metrics without Limits sépare l'ingestion de l'indexation : on ingère toutes les séries, mais on n'indexe (et ne paie) que les tags utiles pour les requêtes, configurés par métrique. Les agrégations inutiles (par exemple les percentiles sur une métrique de comptage) peuvent aussi être désactivées.
