オブザーバビリティの玄関口！DataDog Agentを使ったGoアプリのメトリクス送信サンプルコード

DataDog/datadog-agent

[go, monitoring, metrics]というヒントがありますが、DataDog Agentの主な役割はズバリ何でしょう？

正解は… B！

DataDog Agentは、サーバー、コンテナ、アプリケーションの環境にインストールされ、そこからメトリクス（性能指標）、トレース（リクエストの流れ）、ログといったあらゆるデータを収集し、DataDogプラットフォームに送信する監視の「玄関口」となるソフトウェアです。ソフトウェアエンジニアにとっては、「自分のコードが本番環境でどう動いているか」を知るための目であり耳となります。

DataDog Agentが収集するデータは、エンジニアの皆さんが抱えるさまざまな課題を解決してくれます。

アプリケーションのレイテンシ（遅延）やCPU使用率などのメトリクスを収集することで、「なぜこのAPIは遅いのか？」「どこでリソースを食っているのか？」を具体的に特定できます。

エラーログや異常なメトリクス（例
エラーレートの急上昇）を即座にDataDogに送信。アラートを設定することで、ユーザーが気付く前に問題を検知し、トレース機能でコードレベルの原因特定がグッと容易になります。

サーバーのメモリやディスク使用率を監視し、過剰にリソースを割り当てている部分を見つけられます。結果として、インフラのコスト削減にも貢献します。

アプリケーション（Goで書かれたAPIなど）のメトリクスだけでなく、その下のOS、Kubernetes、データベースといったインフラ全体のデータを一つのダッシュボードで統合的に見ることができます。

DataDog Agentの導入は非常に簡単で、環境に合わせて様々な方法があります。

DataDogの公式サイトでアカウントを作成し、提供されるAPIキーを用意します。

インストールスクリプトの実行
LinuxやmacOSの場合、通常は提供されるワンライナーのシェルスクリプトを実行するだけです。 （セキュリティ上の理由から、具体的なスクリプトはここでは割愛しますが、公式サイトで最新のものが提供されます）

設定ファイルの確認
インストール後、設定ファイル datadog.yaml が作成されます。ここで、APIキーなどを設定します。

# /etc/datadog-agent/datadog.yaml の一部
api_key: <あなたのDataDog APIキー>
# ... その他の設定（ホスト名など）

Agentの起動
sudo systemctl start datadog-agent (Linuxの場合) などでサービスを起動します。

現在では、コンテナ環境での利用が主流です。

DataDog Agentが「インフラ」のメトリクス（CPU使用率など）を自動で収集してくれる一方で、「アプリケーション固有」のメトリクス（例ログイン成功回数、処理キューの長さ）は、エンジニアがコード内に記述して送信する必要があります。

DataDog Agentは、様々なライブラリを通じてメトリクスを受け取れますが、ここではDataDogが推奨するメトリクス送信ライブラリの一つである go-datadog-metrics (goconsensus/go-datadog-metrics) を使ったGo言語の例を見てみましょう。（DataDog AgentはGo言語で開発されていますが、アプリケーションはどの言語でも大丈夫です！）

このサンプルでは、アプリ内の「特定のエンドポイントが呼ばれた回数」を計測し、DataDog Agentに送信します。

コードの準備 (Go)

package main

import (
    "log"
    "net/http"
    "time"

    "github.com/DataDog/datadog-go/statsd" // DataDog Agentへの送信ライブラリ
)

var statsdClient *statsd.Client

func init() {
    // DataDog AgentはデフォルトでUDPポート8125でStatsDプロトコルをリッスンしています
    // 実際にはエラーハンドリングが必要です
    client, err := statsd.New("127.0.0.1:8125")
    if err != nil {
        log.Fatal(err)
    }
    statsdClient = client
}

func myHandler(w http.ResponseWriter, r *http.Request) {
    // 1. メトリクスの送信
    // "api.homepage.hits" という名前のカウンターを1増やす
    statsdClient.Incr("api.homepage.hits", nil, 1)

    // 2. タグを付けて送信（重要！）
    // どの環境（env）のどのバージョン（version）から来たリクエストかタグ付け
    tags := []string{"env:production", "version:1.2.0"}
    statsdClient.Gauge("api.response_time_ms", float64(time.Since(time.Now())), tags, 1)

    w.WriteHeader(http.StatusOK)
    w.Write([]byte("Hello, DataDog!"))
}

func main() {
    http.HandleFunc("/", myHandler)
    log.Fatal(http.ListenAndServe(":8080", nil))
}

動作の解説

statsd.New("127.0.0.1:8125") で、ローカルで動いているDataDog Agent（デフォルトでStatsDプロトコルを受け付けている）に接続します。

statsdClient.Incr(...) は、カウンターメトリクスをインクリメントします。

statsdClient.Gauge(...) は、現在の値（この例ではレスポンスタイム）を送信します。

タグ (tags) を付けることで、「どの環境」「どのバージョン」のデータか分類でき、DataDogのダッシュボードで絞り込みやグループ化が可能になり、デバッグ効率が劇的に向上します。

この仕組みにより、エンジニアは自分のアプリケーションの心臓部で何が起こっているかをリアルタイムで確認し、常に改善していくことができるのです！