This article is available in French.
1. Vue d'ensemble #
Une plateforme SaaS, plusieurs produits.
Architecture #
Datadog est une plateforme SaaS : il n'y a rien à héberger côté serveur. Les données arrivent par l'agent (installé sur les hôtes et les nœuds Kubernetes), par les intégrations cloud (lecture des API AWS, Azure, GCP), par les SDK (APM, RUM, mobile) ou par OpenTelemetry. Tous les produits partagent le même modèle : des données horodatées et des tags.
2. Sites et organisations #
Où vivent les données.
Sites #
| Site | Domaine | Région |
|---|---|---|
| US1 | datadoghq.com | États-Unis |
| US3 | us3.datadoghq.com | États-Unis |
| US5 | us5.datadoghq.com | États-Unis |
| EU1 | datadoghq.eu | Europe (Allemagne) |
| AP1 | ap1.datadoghq.com | Japon |
| US1-FED | ddog-gov.com | Administration américaine |
Erreur Courante : Le site se choisit à la création de l'organisation et ne se change pas ensuite. Pour des données soumises au RGPD, choisissez EU1 dès le départ, et configurez DD_SITE=datadoghq.eu partout : un agent configuré sur le mauvais site envoie ses données dans le vide.Une organisation regroupe utilisateurs, données et facturation. Les grandes entreprises utilisent des organisations enfants par entité, rattachées à une organisation parente pour la facturation.
3. Les clés #
Sécuriser l'accès.
Clés et jetons #
- Une clé d'API par usage (production, préproduction, CI), pour pouvoir en révoquer une sans tout casser.
- Les clés d'application héritent des droits de leur utilisateur : préférez des service accounts pour l'automatisation, avec des scopes limités.
- Le client token est public par nature (il est dans le code JavaScript) : il ne permet que l'envoi de données RUM et logs navigateur.
4. Le modèle de données #
Tout passe par les tags.
Tagging unifié #
Le tagging de service unifié repose sur trois tags réservés, posés partout de la même façon : env, service, version. Ce sont eux qui relient une métrique, un log, une trace et une session RUM du même service.
| Produit | Ce qui est facturé (ordre d'idée) |
|---|---|
| Infrastructure | Hôtes supervisés, conteneurs au-delà du quota, métriques personnalisées |
| APM | Hôtes APM, spans indexés au-delà du quota |
| Logs | Volume ingéré et volume indexé (par rétention) |
| RUM, Synthetics | Sessions, exécutions de tests |
À savoir : Chaque produit a son modèle de facturation : l'article « Coûts et gouvernance » de cette formation détaille comment suivre et maîtriser la consommation.
My progress
Sign in to track your progress and take notes. Sign in
Recommended Articles
Understanding the concept of score
The concept of score allows Elasticsearch to rank your documents by relevance during a search.
Understanding the Elastic Common Schema (ECS)
As always in our consulting engagements, we recommend that companies harmonise and standardise: k...
License consumption types
Understand the evolution of billing in Dynatrace: the difference between the old licensing model ...
Grafana Alloy: The importance of Self-Monitoring
Discover why and how to configure Grafana Alloy so that it monitors itself, collecting its own lo...
Grafana Alloy: Understanding and exploiting the User Interface (UI)
Discover how to enable, secure, and use Grafana Alloy's built-in web interface to visualize your ...
Grafana Alloy: Introduction and Architecture
Discover the fundamental concepts of Grafana Alloy, the transition from the static Agent to Alloy...
Grafana Alloy: Syntax and Configuration (Alloy Language: River)
As part of a Grafana training or observability training, master the declarative syntax of Grafana...
Grafana Alloy: Metrics Collection (Prometheus & Ecosystem)
Learn how to configure Grafana Alloy to collect, transform, and forward metrics using the Prometh...
Grafana Alloy: Log Management with Loki
Discover how to configure Grafana Alloy to read log files, journald, or network streams, process ...