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.
Mon suivi
Connectez-vous pour suivre votre progression et prendre des notes. Se connecter
💬 Discussions récentes de la formation
- Datadog : relier traces, logs et métriques du même service✓ résolu · 1 réponse(s)
Poser une question sur cette leçon →Voir toutes les discussions de la formation
Articles recommandés
Datadog sur Kubernetes : Operator, Cluster Agent et Autodiscovery
Superviser Kubernetes avec Datadog : Datadog Operator et ressource DatadogAgent, Cluster Agent, A...
RUM et Synthetic Monitoring avec Datadog : synthetic transaction monitoring et expérience utilisateur
Mesurer l'expérience utilisateur avec Datadog : RUM navigateur et mobile, Core Web Vitals, Sessio...
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...
Métriques Dynatrace : Data Explorer, sélecteurs de métriques, API et tableaux de bord
Exploiter les métriques dans Dynatrace : métriques intégrées et personnalisées, Data Explorer, sy...
Logs Datadog avancés : index, filtres d'exclusion, Flex Logs, archives et Sensitive Data Scanner
Maîtriser coût et conformité des logs Datadog : pipelines et processeurs, index et rétention, fil...
Infrastructure avancée avec Datadog : réseau, cloud, conteneurs et bases de données
Superviser l'infrastructure au-delà des hôtes : Network Performance Monitoring, intégrations AWS,...
Sécurité avec Datadog : Cloud SIEM, Cloud Security et protection des applications
Découvrir les produits de sécurité de Datadog : Cloud SIEM et règles de détection, Cloud Security...
Incidents et automatisation avec Datadog : On-Call, Incident Management et Workflow Automation
Gérer les incidents dans Datadog : monitors bien conçus, astreinte avec On-Call, déclaration et s...
Installer l'agent Datadog et configurer les intégrations
Installer l'agent Datadog sur Linux, Docker et Kubernetes (Datadog Operator), comprendre datadog....