Datadog 調査レポート

2026年09月22日

開発元: Datadog, Inc.

カテゴリ: 🔭 オブザーバビリティ/APM

公式サイト Docs Markdown

Datadogは、クラウド時代のアプリケーション向けに、サーバー、データベース、ツール、サービスを監視するSaaSベースの統合監視・オブザーバビリティプラットフォームです。

総合評価

88点

基準点70点からの評価

オープンソース

非公式・商用

無料プラン

あり

最低価格

無料

対象ユーザー

DevOpsエンジニアSRE開発者

更新頻度

高

🆕 最新情報: Datadog Agent 7.83.2 をリリースしAPM等の機能強化を実施 (2026年9月)

📋 評価の詳細

👍 加点項目

+10 インフラ、APM、ログ、セキュリティ、そしてAI監視までを単一で提供する統合プラットフォームとしての完成度が非常に高い
+5 1,000以上の豊富なインテグレーションに対応し、既存環境への導入が容易
+5 AI(Bits AI)や機械学習(Watchdog)を活用した高度な分析・自動化機能が充実している
+3 AI GuardやLLM Observabilityなど、生成AI時代のニーズに迅速に対応している

👎 減点項目

-3 多機能な反面、料金体系が製品ごとに細分化されており、コスト見積もりが複雑になりがち
-2 全ての機能を使いこなすにはクエリ言語などの学習が必要な場合がある

総評: クラウドネイティブ環境における監視・オブザーバビリティのデファクトスタンダードであり、AI時代への適応も最も進んでいるが、コスト管理には注意が必要。

Datadog 調査レポート

1. 基本情報

ツール名: Datadog
ツールの読み方: データドッグ
開発元: Datadog, Inc.
公式サイト: https://www.datadoghq.com/
関連リンク:
- ドキュメント: https://docs.datadoghq.com/
カテゴリ: 監視/可観測性
概要: Datadogは、クラウド時代のアプリケーション向けに、サーバー、データベース、ツール、サービスを監視するSaaSベースの統合監視・オブザーバビリティプラットフォームです。インフラ監視、APM、ログ管理、セキュリティ監視、そして最新のAIアプリケーション監視までを単一の画面で提供し、システムの健全性をリアルタイムで可視化します。

2. 目的と主な利用シーン

解決する課題: 複雑で動的なクラウド環境におけるシステムの可視性の欠如、複数の監視ツールにまたがるデータのサイロ化、開発・運用・セキュリティチーム間の連携不足の解消。
想定利用者: DevOpsエンジニア, SRE (Site Reliability Engineer), ソフトウェア開発者, IT運用管理者, セキュリティ担当者
利用シーン:
- マルチクラウド(AWS, Azure, GCP)環境の一元的なパフォーマンス監視
- マイクロサービスアーキテクチャにおけるアプリケーションのパフォーマンス追跡とボトルネック特定
- コンテナ(Docker, Kubernetes)環境の監視とオーケストレーションの可視化
- LLMアプリケーション（生成AI）のトークン使用量、コスト、品質、セキュリティの監視
- WebサイトやモバイルアプリのUXを向上させるためのリアルユーザーモニタリング(RUM)

3. 主要機能

Infrastructure Monitoring: サーバー、コンテナ、ネットワークなど、あらゆるインフラのメトリクスをリアルタイムで可視化。
Application Performance Monitoring (APM): 分散トレーシングにより、リクエストの処理をエンドツーエンドで追跡し、パフォーマンスのボトルネックを特定。
Log Management: あらゆるソースからのログを収集、処理、分析し、インデックス化されたログからインサイトを抽出。Flex Logsによるコスト最適化も可能。
Security Monitoring: インフラ、アプリケーション、ログ全体からリアルタイムで脅威を検知し、セキュリティ体制を強化。Cloud SIEMやApp & API Protectionを含む。
Real User Monitoring (RUM): 実際のエンドユーザーの操作やパフォーマンスを可視化し、フロントエンドの課題を特定。
LLM Observability: 大規模言語モデル(LLM)アプリケーションのトレーシング、コスト分析、品質評価を提供。
Datadog AI Guard: AIアプリケーションに対する攻撃や、機密情報の漏洩（プロンプトインジェクション等）を検知・防御。
Bits AI: インシデント対応の自動化やクエリの自動生成などを支援する、生成AIを活用したSRE向けアシスタント機能。

4. 動作原理・システム構成

アーキテクチャ: クラウド完結型SaaSと、各ホストやコンテナにデプロイされるDatadog Agent（クライアント）のハイブリッド構成。
主要コンポーネントとデータフロー:
- データ収集（エージェント）: 監視対象のサーバー、コンテナ（Kubernetes等）、クラウドプロバイダー（AWS、GCP、Azure）にDatadog Agentをインストールするか、クラウド側のAPI（例: CloudWatch Metric Streams）を通じてメトリクス、ログ、トレースを収集。
- 処理と保存（バックエンド）: 収集されたデータはDatadogのSaaSプラットフォームへHTTPS経由で送信され、ストリーム処理による高速な評価（アラート評価等）と、長期保存用データストアへの格納が行われる。
- 可視化（フロントエンド）: ユーザーはWebブラウザを通じてSaaSダッシュボードにアクセスし、統合されたデータから分析を行う。

flowchart TD
    subgraph ClientEnvironment["クライアント環境 (インフラ/アプリ)"]
        A[Datadog Agent]
        B[クラウドインテグレーションAPI]
        C["アプリケーション(APM/ログ)"]
    end

    subgraph DatadogSaaS["Datadog SaaSプラットフォーム"]
        D["データインジェスト & ストリーム処理"]
        E[("(時系列データベース)")]
        F[("(ログ/トレースストア)")]
        G["アラート・機械学習エンジン"]
        H["Webダッシュボード"]
    end

    A -- "メトリクス/ログ/トレース (HTTPS)" --> D
    B -- "API経由でのメトリクス収集" --> D
    C -- "自動/手動計装 (UDP/TCP)" --> A

    D --> E
    D --> F
    D --> G

    E --> H
    F --> H
    G --> H

    User[運用者 / 開発者] -- "ブラウザアクセス" --> H

特筆すべき要素技術:
- Datadog Agent: Go言語とPythonで記述された軽量なオープンソースのエージェント。数百種類のインテグレーション（チェック）をサポートする。
- Unified Service Tagging: すべてのデータ（メトリクス、トレース、ログ）に一貫したタグ（例: env, service, version）を付与することで、シームレスな相関分析を実現。

5. 開始手順・セットアップ

前提条件:
- Datadogアカウントの作成
- 監視対象のOSまたはクラウド環境へのアクセス権限

インストール/導入:

Linuxの場合（ワンラインインストール）:

DD_API_KEY=YOUR_API_KEY DD_SITE="datadoghq.com" bash -c "$(curl -L https://s3.amazonaws.com/dd-agent/scripts/install_script_agent7.sh)"

Kubernetesの場合（Helm）:

helm install datadog-agent datadog/datadog --set datadog.apiKey=YOUR_API_KEY

初期設定:
- datadog.yaml ファイルでの基本設定（APIキー、サイト、タグなど）
- インテグレーション画面からAWS/GCP/Azureなどのクラウド連携を有効化
クイックスタート:
- エージェントインストール後、数分で「Infrastructure List」にホストが表示される。
- 「Dashboards」メニューから、導入した技術スタックに対応するプリセットダッシュボードを確認。

6. 特徴・強み (Pros)

統合されたプラットフォーム: インフラ、APM、ログ、セキュリティ、AI監視など多岐にわたる機能を単一のプラットフォームで提供し、データのサイロ化を解消。
1,000以上の豊富なインテグレーション: 主要なクラウドプロバイダー、OS、ミドルウェア、OSSとの連携に標準で対応しており、既存環境へ容易に統合可能。
AI時代への迅速な適応: LLM ObservabilityやAI Guardなど、生成AIアプリケーションの開発・運用・セキュリティに必要な機能をいち早く提供。
強力な可視化と分析: カスタマイズ性の高いダッシュボード、直感的なUI、強力なクエリ言語により、膨大なデータを分かりやすく可視化・分析できる。

7. 弱み・注意点 (Cons)

料金体系の複雑さ: 機能が豊富で製品ラインナップが多岐にわたるため、料金プランが複雑。コストの見積もりと管理に注意が必要。
学習コスト: 高機能であるため、クエリ言語や高度な分析機能などを最大限に活用するには、ある程度の学習が必要となる。
日本語対応: UIや主要ドキュメントは日本語化されているが、最新のリリースノートや高度な技術情報（特にAI関連）については英語が中心となる場合がある。

8. 料金プラン

Datadogは製品ごとに複数の料金プランを提供しており、柔軟な選択が可能です。

プラン名	料金	主な特徴
Free Plan	無料	最大5ホストまで。Infrastructure Monitoringの基本機能、1日間のメトリクス保持。
Infrastructure Pro	$15/ホスト/月 (年払い)	15ヶ月のメトリクス保持、1,000以上のインテグレーション。
APM Pro	$35/ホスト/月 (年払い)	分散トレーシング、サービスマップ、データストリーム監視。
Log Management	$0.10/GB収集 (年払い)	収集量に応じた課金。保持期間に応じた追加料金あり（例: 15日保持で$1.70/百万イベント）。
LLM Observability	$8/10kリクエスト/月 (年払い)	LLMアプリケーションのトレース、コスト分析、評価。

課金体系: 主にホスト単位、データ量単位、ユーザー単位などの組み合わせ。各製品で異なる。
無料トライアル: 14日間の無料トライアルがあり、ほぼ全ての機能を試すことが可能。

9. 導入実績・事例

導入企業: 国内外問わず、Airbnb, Twitter, Zendeskなどの大手企業からスタートアップまで、数万社で導入実績あり。日本では、メルカリ、クックパッド、サイバーエージェントなどで活用。
導入事例: クラウドネイティブな技術(コンテナ, マイクロサービス, サーバーレス)を積極的に採用する企業の導入が中心。DevOps文化の醸成や、開発者体験(Developer Experience)の向上に貢献。
対象業界: テクノロジー、金融、メディア、小売、ヘルスケアなど、幅広い業界で利用されている。

10. サポート体制

ドキュメント: 非常に充実しており、各機能の詳細な使い方やAPIリファレンス、チュートリアルが網羅されている。
コミュニティ: 活発なユーザーコミュニティ(Slackなど)があり、ユーザー同士での情報交換が可能。
公式サポート: メール、チャットでのサポートを提供。エンタープライズプランでは専任のテクニカルアカウントマネージャーも利用可能。日本語でのチャットサポートも提供。

11. エコシステムと連携

11.1 API・外部サービス連携

API: 豊富なREST APIが提供されており、データの送信、ダッシュボードの自動生成、監視設定の構成管理など、様々な操作を自動化できる。
外部サービス連携: Slack, PagerDuty, Jira, GitHub, Microsoft Teamsなど、開発や運用で使われる主要なツールと標準で連携できる。

11.2 技術スタックとの相性

技術スタック	相性	メリット・推奨理由	懸念点・注意点
Kubernetes	◎	専用のOperatorがあり、クラスタ、ノード、ポッドの監視が極めて容易。	大規模クラスタではコンテナ数によるコスト増に注意。
AWS / Azure / GCP	◎	Metric Streams等を利用した低遅延な連携が可能。設定も簡単。	クラウド側のAPIコストが発生する場合がある。
Java / Python / Node.js	◎	自動計装（Auto-instrumentation）により、コード変更なしでAPMを導入可能。	エージェントのバージョン管理が必要。
OpenTelemetry	◯	OTel Collectorからのデータ送信をネイティブサポート。	Datadog独自エージェントの方が機能が豊富な場合がある。

12. セキュリティとコンプライアンス

認証: SAMLによるSSO(シングルサインオン)、2段階認証(2FA)に対応。
データ管理: 保管中および転送中のデータはすべて暗号化される。データ保存リージョン(米国/欧州)の選択が可能。
準拠規格: SOC 2 Type 2, ISO 27001, GDPR, HIPAA, PCI DSSなど、多くの主要なセキュリティ認証・規格に準拠。

13. 操作性 (UI/UX) と学習コスト

UI/UX: 直感的で洗練されたUIが高く評価されている。ドラッグ＆ドロップでインタラクティブにカスタマイズできるダッシュボードが強力。
学習コスト: 基本的な監視やダッシュボード作成はすぐに使い始められる。ただし、ログ分析クエリやAPMの高度な機能を使いこなすには一定の学習が必要。

14. ベストプラクティス

効果的な活用法 (Modern Practices):
- Unified Service Tagging: env, service, version の3つのタグを全リソースに付与することで、インフラ、APM、ログを横断したシームレスな相関分析が可能になる。
- Logs in Context: APMのトレースIDをログに自動注入することで、エラートレースから関連するログへワンクリックでジャンプできる。
陥りやすい罠 (Antipatterns):
- 全てのログをインデックス化する: 必要なログだけをインデックス化し、残りはアーカイブやFlex Logsを利用しないと、コストが肥大化する。
- カスタムメトリクスの過剰作成: タグの組み合わせ（カーディナリティ）が多すぎると、カスタムメトリクスのコストが急増するため注意が必要。

15. ユーザーの声（レビュー分析）

調査対象: Google検索結果からの引用（G2, Capterraのレビュー内容）
総合評価: 4.4/5.0 (G2), 4.6/5.0 (Capterra) と非常に高い評価（Google検索結果より）。
ポジティブな評価:
- 「インフラからアプリケーション、ログまで、あらゆる監視を一つの場所で行える点が素晴らしい。ツールの切り替えコストがなくなった。」
- 「Kubernetesとの連携が強力で、コンテナ環境の動的な変化をリアルタイムで把握できる。」
- 「ダッシュボードが非常に柔軟で、チームが必要とする情報を的確に可視化できる。」
ネガティブな評価 / 改善要望:
- 「料金体系が複雑。特にデータ量の多いログやトレースを扱うと、コストが想定以上にかかることがある。」
- 「高機能なため、全ての機能を把握するのが難しい。最初の学習曲線がやや急かもしれない。」
- 「ログ検索のクエリ構文が独自仕様のため、慣れるまでに少し時間がかかった。」
特徴的なユースケース:
- 開発者が本番環境のパフォーマンスを直接確認し、デプロイしたコードの影響を迅速に把握するDevOpsループの実現。
- セキュリティチームが運用データとセキュリティログを横断的に分析し、脅威検知の精度を向上させる。

16. 直近半年のアップデート情報

2026-09-16: Datadog Agent 7.83.2 をリリース。
2026-09-09: Datadog Agent 7.83.1 をリリース。
2026-08-05: Datadog Cluster Agent 7.82.0 リリース。Prometheus HTTP Service Discoveryへのexclude_filterフィールド追加など。
2026-07-22: Datadog Agent 7.81.2 リリース。メトリクス転送にデフォルトでDatadog v3 intake APIを使用するよう変更。
2026-04-23: Datadog Agent 7.78.1 をリリース。Embedded PythonやGoのバージョンアップ、不具合修正を実施。
2026-04-15: Datadog Agent 7.78.0 をリリース。APM OTLPの属性優先順位の挙動変更など。
2026-01-20: 自律型QAテストプラットフォーム「Propolis」を買収。ソフトウェアデリバリーの品質向上機能を強化。(出典: Datadog Blog)
2025年後半: エージェント型AIアプリケーションの保護機能「Datadog AI Guard」を強化。プロンプトインジェクションやPII漏洩をリアルタイムで検知・防御。(出典: Datadog Blog)
2025年後半: 「Datadog LLM Observability」が一般提供開始(GA)。AIエージェントの実行フロー、コスト、品質を可視化。(出典: Datadog Blog)
2025年後半: Cloud Security Roundup 2025を発表。アイデンティティ、サプライチェーン、AIに関連する最新の脅威動向を分析。(出典: Datadog Blog)
2025年後半: Sensitive Data Scannerに機械学習を活用した人名検知機能を追加。ログ内のPII保護を強化。(出典: Datadog Blog)

(出典: Datadog Agent Releases / Datadog Blog)

17. 類似ツールとの比較

17.1 機能比較表 (星取表)

機能カテゴリ	機能項目	Datadog	New Relic	Splunk	Grafana
基本機能	APM	◎ 業界標準	◎ 開発者向け機能充実	◯ 機能はある	△ OSS連携前提
統合監視	ログ管理	◎ 高速・低コストFlex Logs	◎ 統合型	◎ 検索・分析最強	◯ Loki活用
AI/自動化	AI監視	◎ LLM Obs/AI Guard	◎ New Relic AI	◯ AI Assistant	◯ Grafana Assistant (v13.0~)
ダッシュボード	共同作業	◎ リアルタイム編集・共有	◎ Notebooks (GA版)	◯ ダッシュボードスタジオ	◎ Git Sync対応
コスト	無料プラン	◯ 機能制限あり	◎ 100GB/月無料	◯ 制限あり	◎ OSS/Cloud Free

17.2 詳細比較

ツール名	特徴	強み	弱み	選択肢となるケース
Datadog (本ツール)	統合オブザーバビリティプラットフォーム	インフラからセキュリティ、AIまで網羅する機能と1,000以上の豊富な連携。強力なUI/UX。	料金体系の複雑さと積み上げ式コスト。	クラウドネイティブ環境で多様な監視対象を単一プラットフォームで管理したい場合。
New Relic	APMに強みを持つオブザーバビリティプラットフォーム	開発者向けの機能が充実(Notebooks等)。100GB無料の寛大なプラン。従量課金がシンプル。	大規模データ時のコスト管理が必要。NRQL学習が必要。	コストを抑えてフルスタック監視を始めたい、開発者主体の組織。
Splunk	ログ管理とセキュリティ分析(SIEM)のパイオニア	Gartner SIEMの11回連続リーダー。膨大なログ分析やセキュリティ要件に強い。	非常に高価。学習コストが高い。	ログ分析やSIEMが主目的で、コンプライアンス要件が厳しい場合。
Grafana	可視化特化のOSSプラットフォーム	v13.0からのGit Syncなど高度な可視化と運用性。データソースを選ばない柔軟性。	データ保存機能はない（別途DBが必要）。構築・運用スキルが必要。	コストを抑えたい、既存のOSSスタック（Prometheus等）を活用したい場合。

18. 総評

総合的な評価: Datadogは、現代の複雑なIT環境における監視・オブザーバビリティの課題を解決する、非常に強力で包括的なプラットフォームである。クラウドネイティブ環境からAI/LLMアプリケーションまで、最新の技術スタックに幅広く対応し、多くの機能を単一のSaaSで提供することで、ツールの乱立を防ぎ、チーム間の連携を促進する。特にAI領域への投資が積極的で、次世代の監視ニーズにも応えうる。
推奨されるチームやプロジェクト:
- クラウドネイティブ技術(Kubernetes, サーバーレス等)を積極的に活用するDevOpsチームやSREチーム。
- 生成AI（LLM）を利用したモダンなアプリケーションの開発・運用チーム。
- 複数の監視ツールを統合し、運用効率と開発者体験(Developer Experience)を向上させたい組織。
選択時のポイント:
- 監視対象の多様性やインテグレーションの豊富さを重視する場合に最適な選択肢となる。
- 料金体系を事前に十分に理解し、自社の規模や利用したい機能に応じたコストを見積もることが成功の鍵となる。
- 14日間の無料トライアルを活用し、自社の環境で実際に試してみることを強く推奨する。

📋 評価の詳細

👍 加点項目

👎 減点項目

関連レポート

関連レポート

Datadog 調査レポート

1. 基本情報

2. 目的と主な利用シーン

3. 主要機能

4. 動作原理・システム構成

5. 開始手順・セットアップ

6. 特徴・強み (Pros)

7. 弱み・注意点 (Cons)

8. 料金プラン

9. 導入実績・事例

10. サポート体制

11. エコシステムと連携

11.1 API・外部サービス連携

11.2 技術スタックとの相性

12. セキュリティとコンプライアンス

13. 操作性 (UI/UX) と学習コスト

14. ベストプラクティス

15. ユーザーの声（レビュー分析）

16. 直近半年のアップデート情報

17. 類似ツールとの比較

17.1 機能比較表 (星取表)

17.2 詳細比較

18. 総評