Datadog は多くのお客様に信頼され、ご愛用いただいています
Datadog は多くのお客様に信頼され、ご愛用いただいています
大規模な分散システムの運用に成功している企業は、コンテナ化された環境内でのスケーリングやアプリケーションのデプロイを自動的に管理するために、一般的に Kubernetes に依存しています。Kubernetes はデプロイをより俊敏にし、運用コストの削減に貢献しますが、同時に複雑なレイヤーを追加します。チームは、仮想マシン、コンテナ、アプリケーションの動的な組み合わせを監視する必要があります。このような複雑さにより、パフォーマンスの問題を予測して診断することが困難になることがあります。このような複雑なシステムのパフォーマンスと信頼性を確保することは非常に重要ですが、チームがクラスターを包括的に可視化できなければ、大きな運用コストが発生する可能性もあります。
Datadogは、Kubernetes 環境の健全性とパフォーマンスを完全に可視化します。管理者、開発者、運用チームは、Datadog Service Map を使用して、クラスターのアーキテクチャを可視化して理解することができます。また、予測や異常検知などの機械学習主導の分析ツールを使用して、実用的な洞察を得ることができます。カスタマイズ可能なダッシュボードは、Istio、Vault、および 450 以上のインテグレーションによるメトリクスと一緒に Kubernetes データを可視化するのに役立ちます。また、Datadog は大規模なクラスターから効率的にデータを収集するように設計されているため、チームはノードの数が数十でも数千でも Kubernetes 環境を簡単に把握することができ、Datadog の任意のメトリクスに基づいて Kubernetes を拡張して自動スケールすることもできます。
組織は、Kubernetes に組み込まれた自動スケーリング機能を使用して、ユーザーのトラフィックの急増に備えてサービスを準備し、静かな時期にコストを最適化しています。すぐに使える Kubernetes の自動スケーリングは、単純なメトリクスに基づいてスケーリングすることができますが、これらのメトリクス（ワークロード自体を反映したもの）は、ビジネスにとっても重要な外部条件を反映していない場合があります。Datadog は Kubernetes を拡張し、任意のカスタムメトリクスのリアルタイム値に基づいて自動スケーリングを行います。チームは、ユニークページビューや購入完了数などの主要なパフォーマンス指標を使用して、自動スケーリングポリシーを微調整することができます。これにより、チームは Kubernetes 以外の多数のシステムやメトリクスによって測定された需要の最も正確な尺度を選択し、最小限のコストでユーザーに最高のエクスペリエンスを提供するために必要なだけのインフラストラクチャーを実行することができます。
チームが新機能やサービスの開発に集中する中、Kubernetes はデプロイプロセスの多くの側面を自動化することで、市場投入までの時間を大幅に短縮します。しかし、Kubernetes はクラスタ内のどのホストでもアプリケーションを起動できるため、チームがリリースを成功させることは困難な場合があります。Datadog は、Kubernetes クラスター内で稼働しているサービスを自動的に検出し、どこで起動しても監視します。さらに、Datadog の Watchdog 機能は、機械学習アルゴリズムを使用して、インフラストラクチャーとアプリケーションのメトリクス内の異常な傾向を自動的に根絶します。その結果、エンジニアは、チェックの手動設定や障害シナリオの予測に貴重な時間を費やすことなく、新しいサービスを監視することができます。Datadog を使用することで、チームは機能のロールアウトのすべてのステップを監視し、バグを迅速に修正して、シームレスな顧客体験を保証することができます。
Kubernetes クラスターは、多様なプラットフォーム上で動作するようになっています。完全に管理されたプラットフォームを選択する企業もあれば、Rancher、OpenShift、または Anthos 上でセルフホストする企業もあります。Datadog は、あらゆる Kubernetes 環境とその上で実行されているすべてのアプリケーションの包括的な可視性を提供します。チームは、すべての主要なクラウドプロバイダーを含む 450 以上のインテグレーションからのデータを可視化して、基底のプラットフォームに関係なく、Kubernetes の健全性とパフォーマンスを追跡することができます。Datadog は、クラウドプロバイダーからのタグや Kubernetes 自体からのラベルでデータを自動的に充実させます。チームは、特定のコンテナイメージ、ポッド名、またはリージョンに問題をスコープすることで、問題がクラスター内のどこに存在するかを迅速に判断し、解決までの平均時間を短縮することができます。
