Datadog Live Tokyo 2025登壇資料

Transcript

1. Datadog Live Tokyo 2025 ツール乱立を越えて Datadog 標準化と開発者体験向上の道
2. 吉岩祐貴 (@mananyuki) Platform Engineer 趣味・関心 • SRE / Platform Engineering • Kubernetes
3. 3 本日の内容 監視ツールの乱立が もたらす「見えない壁」 Datadog 導入による 「情報の集約」と「体験の向上」 課題 解決 実現 SRE との「共創」による 文化醸成 本セッションの構成: • 前半パート (吉岩): Datadog 導入前の課題と導入の判断軸について • 後半パート (二橋): Datadog 導入前後の具体的な変化と今後への展望 前半パートのポイント:
4. 4 ヌーラボについて • 創業21周年 • NULL + LAB = NULAB ◦ 無の状態から有を創り出す「研究所」のような会社 • 福岡を拠点に世界へ広がるヌーラボオフィス ◦ リモートワーク / コアレスフレックス / 多様な労働スタイルに理解のある職場 ◦ General Meeting (社員総会) で集結することも
6. 6 ヌーラボの開発組織 • サービス開発部 ◦ プロダクトの価値創造を担当 ◦ プロダクトの機能で分割された少人数の 開発チームの集合 • Reliability Engineering 部 ◦ 信頼性を軸にして顧客体験と開発者体験 の継続的な向上を担当 ◦ プロダクトごとの SRE チーム (少人数・ 分散) ◦ 横断的な Platform Engineering チ ーム ◦ 顧客接点の CRE チーム
7. 課題: オブザーバビリティと 開発者体験の「見えない壁」
8. 8 分断した監視環境の実態 課題: オブザーバビリティと開発者体験の「見えない壁」
9. 9 分断した監視環境が生む「二つの課題」 根本的な問題: 監視ツールの乱立 プロダクトごとに異なる監視環境 情報が各ツールに分散し、統合的な視点の欠如 課題: オブザーバビリティと開発者体験の「見えない壁」 開発者体験の悪化 複数ツール習得・運用の負荷 情報のサイロ化 システム全体のオブザーバビリティの低下
10. 10 情報のサイロ化によるオブザーバビリティの欠如 インシデント対応への深刻な影響: • 複数ツール間の情報確認による対応時間の長期化 • 顧客への影響拡大リスクの増大 日常運用への継続的な影響: • システム全体の健全性を一元的に把握できず、情報がサイロ化 • インフラとアプリケーション間のデータ相関分析が困難 課題: オブザーバビリティと開発者体験の「見えない壁」
11. 11 開発者体験の悪化 学習・認知コストの深刻な問題: • 複数ツールの異なる UI・クエリ言語習得負担 • コンテキストスイッチによる認知負荷の増大 運用効率への継続的な影響: • 問題調査時の情報収集に要する時間ロス • 本来の価値創造活動への集中阻害 課題: オブザーバビリティと開発者体験の「見えない壁」
12. 12 まとめ: 分断した監視環境がもたらす組織への影響 根本原因からの連鎖的影響: • 分断した監視環境 → 情報のサイロ化 + 開発者体験の悪化 → 組織全体の生産 性低下 • インシデント対応能力の限界による顧客満足度への懸念 • エンジニアのモチベーション低下リスク 解決の必要性: 根本原因である監視環境の分断を解決する統合的アプローチが必要 課題: オブザーバビリティと開発者体験の「見えない壁」
13. 解決への挑戦: Datadog 導入という選択
14. 14 なぜ Datadog だったのか 解決への挑戦: Datadog 導入という選択 • 分散した監視情報を1つ のプラットフォームに集約 • 組織全体の運用効率向上 とスケーラビリティ確保 • 複数ツール維持にかかる 運用工数、学習コスト、イ ンシデント対応遅延といっ た TCO (総保有コスト) を削減 • エンジニアの価値創造活 動への投資効果を最大化 統合性による 運用効率の向上 TCO 削減と ROI 最大化を 重視した判断 長期的な組織成長への対応 • 新ツール追加ではなく、1 つのプラットフォームでの 機能拡張 • 成長に伴う監視対象増加 への合理的なアプローチ
15. 15 Datadog で目指した「理想の姿」 統合的なオブザーバビリティ: • 1つのプラットフォームでシステム全体の健全性を即座に把握 • インシデント対応時の複数ツール切り替えによる時間ロスを解消 効率的な運用環境: • 直感的な UI による学習コストの削減 • 本来の価値創造活動への集中を可能にする運用効率の実現 解決への挑戦: Datadog導入という選択
16. 実現の鍵: SRE との「共創」
17. 17 なぜ SRE との協働が不可欠だったのか 現場の専門知見の重要性: • 日々システムと向き合う SRE チームの課題感・ニーズが最も的確 トップダウンではない協働アプローチ: • Platform Engineering チームだけでは見えない課題の吸い上げ • 共に解決策を模索する「共創」による納得感と主体性の醸成 実現の鍵: SRE との「共創」
18. 18 協働が生んだ「成果」と「学び」 共通理解の醸成: • トライアル初期の戸惑いを経て、目的・使い方に関する丁寧な共通理解形成の重 要性を再認識 持続可能な推進力の確立: • SRE チーム内に Datadog 活用を積極的に推進する「チャンピオン」が出現 • オブザーバビリティ文化浸透の大きな推進力に 実現の鍵: SRE との「共創」
19. 19 協働の具体的なプロセス Platform Engineering チームの戦略的役割 導入計画策定と PoC (概念実証) のリード 標準ガイドライン作成とトレーニング提供 実現の鍵: SRE との「共創」 SRE チームの実践的役割 現場ニーズの提供と実業務での機能評価 ユースケース発見と知見共有 継続的なコミュニケーション ミーティングでの継続的な情報交換 トライアル環境での主体的な検証促進 実効性のある導入の実現
20. 20 導入から発展への取り組み 外部コミュニティとの連携 ユーザーコミュニティとの継続的な知見交換 ベストプラクティスの組織内展開による運用改善 実現の鍵: SRE との「共創」 ベンダーサポートの戦略的活用 ベンダートレーニング (Enablement+) による 組織的なスキル向上 継続的な学習サイクル 外部知見の内部プロセスへの統合 チーム間の知識格差解消と標準化推進 組織的な学習文化の醸成
21. まとめ
22. 22 まとめ ここまでの振り返り: • Platform Engineer の視点から見た導入背景と協働プロセス • なぜ Datadog を選び、どのように SRE と連携したか この先の内容: • 実際に Datadog を日常業務で活用している SRE の生の声 • 導入前後での具体的な変化と今後への期待 • Product SRE の二橋にバトンタッチ
23. Product SREの実践と挑戦 Datadogで創造するヌーラボの今と未来
24. 二橋宣友 (@futahashi) Product SRE @ Nulab Inc. 趣味・関心 • Datadog / AWS / Infrastructure 称号 • 2022 & 2023 APN AWS Top Engineers (Software) • 2023 Japan AWS All Certifications Engineers
25. 25 プロダクト概要 ヌーラボプロダクトの基盤: • ヌーラボプロダクトの認証・契約管理/決済・ユーザー管理を担う重要な基盤 • ヌーラボプロダクトと密接な連携 (Backlog、Cacoo、NulabPass など) • 高信頼性を担保するための可観測性が重要
26. 26 困難な状況 推進体制と私の状況 体制: • ヌーラボ製品基盤のProduct SREは1人 • 異動して1年未満 • Platform Engineering チームと密に連 携 兼務状況: • Tech Lead業務 • 30+のAWSアカウントの統制管理 • 複数のSMEの推進 (FinOps、Security Shift Left、CI/CD) • 別プロダクトのProduct SREのLead Platform Engineering ヌーラボの組織文化
27. 27 • 具体的な実践と成果 • 開発者の声 • Datadogで創造する ヌーラボの未来 本日の内容 現在 (Datadog導入初期) 未来
28. 実践と成果
29. 29 実践と成果①Datadogの迅速な導入 • 19人日 で 11年 の長期運用プロダクトの監視システムの移行を実現 • 早さの要因 AWS/K8s連携 1人日 APM 3人日 Metrics 8人日 Log 2人日 Dashboard 2人日 Monitor 3人日 Integration が秀逸 公式ドキュメント/サポート の質が高い Platform Engineering チームの支援
30. 30 実践と成果②最適なオブザーバビリティへの期待と確信 ヌーラボのシステム特性: • Amazon EKS、クラウドネイティブ • プロダクト連携のエコシステム • セキュリティやコスト要件の高度化 Datadogが適合する理由: • 専用画面でのK8sの深い洞察 • システム横断の高度な可観測性 • 多様な要件への包括的な対応 引用元: https://docs.datadoghq.com/
31. 31 実践と成果③調査効率と技術的課題解決への貢献 調査プロセスの変革: • 調査プロセスが明確に定まっていない • 状況把握や調査に時間を要する • 複数のツールを使い分ける • サービスカタログ起点からのドリルダウン • 表現力の高いダッシュボードで効率化 • 単一のツールで完結 引用元: https://docs.datadoghq.com/ JDKのバージョンアップの影響調査: • パフォーマンスの比較 • エラーレートの比較
32. 32 実践と成果④クラウド料金の最適化 • 年間 1532万円+ の削減を 3人日 で実現 ◦ Cloud Cost Managementの活用 ◦ K8sのコンピューティングリソース洞察 ◦ AWSリソースの最適化の提案 • FinOps推進への貢献を確信 普及しやすい操作性 と料金体系 容易な分析と可視化 AWSのマルチアカウント のコストを統制管理 引用元: https://docs.datadoghq.com/
33. 開発者の声
34. 34 • あらゆる情報が1箇所に 集約され横断的な調査が できる点が高評価 • (5.00/5.00点) • Error Trackingによる 迅速な問題特定 • キャッシュ設定変更時の 傾向調査 • 膨大なログを迅速に調査 開発者の声 All-in-One の利便性の実感 積み重なる 成功体験 調査効率と品質向上 への強い期待 • システムの安定性・品質 向上 に「大いに貢献す る」と強い期待 • (4.25/5.00点)。
35. Datadogで創造するヌーラボの未来
36. 36 Datadogで推進する開発戦略 Datadogで 自律したデータ駆動組織へ FinOps Security Shift Left Oncall サイロの破壊 生産性の可視化 RUM
37. 37 Datadogで実現する”One Nulab” Datadogを羅針盤に部門を越えた価値創造の加速 全員が同じ目標へ データで意思決定を深化 主体性と専門性の最大化 チームを超えて一丸となり、 共通のビジョンを追求 信頼性・品質に加え、 ビジネスKPIやROIも重視 個々の強みを活かし、 組織全体のパフォーマンス向上
38. まとめ
39. 39 まとめ 本日の内容: • 監視ツールの乱立という課題から、Datadogによる情報集約と体験向上 • Datadog導入初期における実践と成果、開発者の声 • Datadogで推進する開発戦略と”One Nulab”