Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Datadogのログコスト最適化
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
Nealle
February 18, 2026
Technology
1.4k
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
Datadogのログコスト最適化
2026/2/26
https://datadog-jp.connpass.com/event/378193/
Japan Datadog User Group Meetup#16@福岡
Nealle
February 18, 2026
More Decks by Nealle
See All by Nealle
AWSとGitHub Actionsの責任境界と 組織で安全に使用する取り組み
nealle
1
240
Claude Codeによるデータ分析の民主化とそれを支えるデータ基盤
nealle
1
140
Product Engineering Conference 2026の ご案内
nealle
0
290
AllCompanyDeck_old.pdf
nealle
0
79
職種の境界を染み出しあう品質保証 - PdEがテストへ、QAが上流へ、AIとともに
nealle
0
230
どうして今サーバーサイドKotlinを選択したのか
nealle
0
290
電話を武器に変える Amazon Connect 活用の全貌
nealle
0
6.3k
Nealle Company Deck
nealle
0
280
業務アプリケーションでリアクティブ化するところ、しないところ
nealle
1
130
Other Decks in Technology
See All in Technology
IDperturb: Enhancing Variation in Synthetic Face Generation via Angular Perturbation
sansantech
PRO
0
100
Jetpack Compose で挑む新聞紙面UI ─ 複合ジェスチャー・ポリゴン記事領域・適応的ページ構成という3つの壁/droidkaigi2026
nikkei_engineer_recruiting
0
140
Bet AI Day 2026丨AIを「使う」から、AIが「働く」へ ― LayerXが進める「組織AI」の社会実装
layerx
PRO
2
1.5k
[RSJ26] Building a VLA Model Based on Self-Distilled Classification
keio_smilab
PRO
0
170
Webとヘルスデータ
yukukotani
0
120
Claude Codeの体系的な理解と知識のフック
oikon48
10
6.5k
スクラムで身についていた動き方を、XPで捉え直してみた
codmoninc
0
150
全社に広がるMCPサーバーを、 どう安全に管理するか MCPass開発の舞台裏
mtpooh
3
250
Driving AI Adoption Using In-House GPUs to Serve Qwen
po3rin
1
320
APIセキュリティを組織で実現するには~注力する点と設計・実装に入れたい対策~
riiimparm
3
880
20260903 Tokyo Jazug Night #62 | Azure エンジニアよ、 その環境は本当にセキュアか?
olivia_0707
1
480
AI時代に、プロダクトの数だけ積み上がる所有コストをどうエンジニアリングするか / Engineering the Cost of Ownership
kzkmaeda
0
250
Featured
See All Featured
Darren the Foodie - Storyboard
khoart
PRO
3
3.8k
What's in a price? How to price your products and services
michaelherold
247
13k
Collaborative Software Design: How to facilitate domain modelling decisions
baasie
1
300
Code Reviewing Like a Champion
maltzj
528
40k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
990
Imperfection Machines: The Place of Print at Facebook
scottboms
270
14k
State of Search Keynote: SEO is Dead Long Live SEO
ryanjones
0
260
Why Our Code Smells
bkeepers
PRO
340
58k
<Decoding/> the Language of Devs - We Love SEO 2024
nikkihalliwell
1
310
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
9
1.5k
4 Signs Your Business is Dying
shpigford
187
23k
Building a Modern Day E-commerce SEO Strategy
aleyda
45
9.2k
Transcript
2026.02/26 NEALLE Datadogのログコスト最適化 1
2 氏名 所属 経歴 森原 大地 / Daichi Morihara
株式会社ニーリー プロダクト統括本部 プラットフォームエンジニアリングG SRE / プラットフォームエンジニアリング 趣味 ゴルフ筋トレ🏋UFC観戦🥊 2024- 新卒で株式会社ニーリーに入社 SREとしてサービスの信頼性と開発生産性の向上に取り組む 自己紹介 @daichi_morihara
3 事業・プロダクト紹介 BtoBtoCのVertical SaaS「Park Direct」を運営
目次 4 1. Datadogのログコストの構造 2. ログコストの削減施策
3. 結果・まとめ 目次
ログコストの構造 5 1. ログの取り込み (Ingested Logs) ・内容:収集・処理パースにかかる費 用 ・課金体系:ボリュームベース(例:
$0.1/Gb) ・対策:ログ送信量の削減 2. ログのインデックス化 (Indexed Logs) ・内容:検索・可視化・アラートのため に保存するプロセス ・課金体系:高額。ログイベント数と 保持期間に依存(例:15日保持で $2.55/100万イベント) Datadogログコストの構造
ログコストの構造 6 1. ログの取り込み (Ingested Logs) ・内容:収集・処理パースにかかる費
用 ・課金体系:ボリュームベース(例: $0.1/Gb) ・対策:ログ送信量の削減 2. ログのインデックス化 (Indexed Logs) ・内容:検索・可視化・アラートのため に保存するプロセス ・課金体系:高額。ログイベント数と 保持期間に依存(例:15日保持で $2.55/100万イベント) ログコストの主要因であり、ここの最 適化が効果的。 Datadogログコストの構造:支配的な要因は「インデックス化」
ログコストの削減施策 1. ALBログのインデックス除外 SLI/SLO計測に必要なデータのみを抽出し、元ログのインデックス化を停止する。 2. 保持期間の環境別最適化 コスト削減を実現した2つのアプローチ
全てのログを一律設定するのではなく、環境(prod/dev/stg)の用途に合わせて、保持期 間を設定する。
8 ・ALBログはDatadog上ではリクエスト成功率・レイテンシーといったSLI/SLO の監視のみに使用 ・ALBログはAWS S3に保管され、Athenaで分析可能 ・Datadogのログはカスタムメトリクス生成→ログのインデックス化の順番で処
理される 施策①:ALBログをインデックス対象から除外 ログコストの削減施策
9 ・ALBログはDatadog上ではリクエスト成功率・レイテンシーといったSLI/SLO の監視のみに使用 ・ALBログはAWS S3に保管され、Athenaで分析可能 ・Datadogのログはカスタムメトリクス生成→ログのインデックス化の順番で処
理される 施策①:ALBログをインデックス対象から除外 ログコストの削減施策 ↓ ・ALBログからSLI/SLOに使用するカスタムメトリクスを生成すれば、イン デックス化しないという選択が可能に!
10 ログコストの削減施策 実装ステップ1:Logs Pipelineによる属性の抽出と正規化 Logs Pipelineを通して必要な情報(Attribute) を抽出する
11 ログコストの削減施策 実装ステップ2:Generate Metricsでログを「数値」に変換 抽出した属性(Attribute)を使用して、カスタムメトリクスを作成する。 ログを保存せずに、必要な情報の監視が可能になる
12 ログコストの削減施策 実装ステップ3:インデックス除外設定 ALBログと判断できるタグを条件に、Index Exclusion Filterを適用
13 ログコストの削減施策 結果:ログ保存せずにSLI/SLOの算出が可能に ・生成したメトリクスを使用してダッシュボードおよびSLI/SLO監視は機能し続け る ・カスタムメトリクス生成のコストは発生するが、ログのインデックス化より安価で ある
ログコストの削減施策 施策②:環境ごとのインデックス保持期間の最適化 After ・本番環境のみ90日の保持期間 ・dev/stg環境では30日の保持期間
Before ・全環境で一律で90日の保持期間
成果 15 • ログコストを70%削減(メトリクスコスト増加を考慮すると40%削減) • 90日保持のインデックスログは90%近く削減 コスト削減結果
*この外れ値は月次の大量のバッチ処理の影響
• Datadogのログコストはインデックス化が支配的 • ログから必要情報をメトリクスとして抽出し、 ログは保持しないという選択肢もある
• インデックスログの保持期間は環境ごとに分ける まとめ 16 まとめ