Este artículo está disponible en francés.
1. Ingérer n'est pas indexer #
Le levier principal de coût.
Cycle de vie #
| Étape | Ce que l'on paie | Levier |
|---|---|---|
| Ingestion | Volume ingéré | Filtrer à la source (agent) ce qui ne sert jamais |
| Indexation | Volume indexé × rétention | Filtres d'exclusion, index à rétention courte |
| Flex Logs | Stockage long à coût réduit | Données consultées rarement mais à garder |
| Archives | Stockage objet chez vous | Conserver tout, réhydrater en cas d'enquête |
2. Index et exclusion #
Plusieurs index, plusieurs rétentions.
Configuration #
- Un index
audità 30 jours pour la sécurité, un indexappà 7 jours, un indexdebugà 3 jours. - Les index sont évalués dans l'ordre : un log va dans le premier index dont le filtre correspond.
- Les filtres d'exclusion d'un index retirent tout ou partie (échantillonnage) des logs qui correspondent, par exemple 90 % des logs
status:infodes health checks. - Les logs exclus restent visibles dans Live Tail, utilisables par Logs to Metrics et envoyés aux archives.
Bonne Pratique : Avant d'exclure, créez une métrique à partir des logs (Logs to Metrics) : vous gardez le comptage des erreurs sur 15 mois sans indexer les logs eux-mêmes.
3. Données sensibles #
Conformité.
Sensitive Data Scanner #
Le Sensitive Data Scanner détecte des motifs (cartes bancaires, e-mails, clés d'API, IBAN, numéros de sécurité sociale) dans les logs, traces et événements, et les masque, hache ou remplace à l'ingestion, avant indexation.
Erreur Courante : Le masquage côté Datadog intervient après l'envoi : pour les données qui ne doivent jamais quitter votre réseau, masquez dans l'agent (log_processing_rulesde typemask_sequences).
logs:
- type: file
path: /var/log/app/app.log
service: shop
source: python
log_processing_rules:
- type: mask_sequences
name: masquer_emails
replace_placeholder: "[email]"
pattern: '[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}' Mi seguimiento
Inicia sesión para seguir tu progreso y tomar notas. Iniciar sesión
💬 Debates recientes del curso
- Datadog : relier traces, logs et métriques du même service✓ resuelto · 1 respuesta(s)
Hacer una pregunta sobre esta lección →Ver todos los debates del curso
Artículos recomendados
Logs dans Datadog : collecte, pipelines, index et maîtrise du volume
Collecter les logs avec l'agent, les structurer avec pipelines et processeurs (grok), utiliser fa...
APM Datadog et OpenTelemetry : traces, services et corrélation avec les logs
Instrumenter ses applications pour l'APM Datadog (dd-trace, instrumentation en une étape, OpenTel...
APM Datadog avancé : échantillonnage, rétention, profiler et Software Catalog
Aller plus loin avec l'APM Datadog : contrôle d'ingestion et échantillonnage, filtres de rétentio...
Logs avancés avec OpenPipeline : traitement, masquage, buckets et rétention
Gérer les logs dans Dynatrace avec OpenPipeline : ingestion, routage, traitement DQL (parsing, en...
Datadog : la plateforme d'observabilité SaaS en un coup d'œil
Ce qu'est Datadog, ses produits (infrastructure, logs, APM, RUM, synthétiques, sécurité), ses con...
Métriques et tags dans Datadog : tagging unifié, DogStatsD et cardinalité
Exploiter les métriques Datadog : tagging unifié (env, service, version), requêtes et agrégations...
Bonnes pratiques Datadog : tags, coûts, alertes et gouvernance
Check-list pour exploiter Datadog efficacement : tagging unifié, maîtrise des coûts (hôtes, logs,...
Coûts et gouvernance Datadog : usage, attribution, RBAC et politiques de tags
Maîtriser la facture et gouverner Datadog : suivi de l'usage et de l'estimation, attribution des ...
Datadog sur Kubernetes : Operator, Cluster Agent et Autodiscovery
Superviser Kubernetes avec Datadog : Datadog Operator et ressource DatadogAgent, Cluster Agent, A...