AI × Datadog MCP でコスト削減まで実現した Metric Streams の導入

Transcript

1. JDDUG Meetup#21@東京 AI × Datadog MCP でコスト削減まで実現した Metric Streams の導入 2026年 8月26日 株式会社ソーシャルPLUS 三口宗武
2. 自己紹介 三口 宗武 みぐち むねたけ 経歴 前職でSREとして従事後、 2026年4月に株式会社ソーシャルPLUSに インフラエンジニアとして入社。 名古屋在住。 2
3. 会社紹介 プロダクトの紹介 LINEを中心としたID連携サービス LINEのメッセージ配信拡張ツール LINE連携Shopifyアプリ 企業とユーザーをIDで繋げてプラットフォームをさらに活用できるBtoBtoCのサービスです。 ソーシャルログインによる新規登録とID連携により、顧客・購買データに応じたLINE配信ができます。 オンラインだけでなくオフラインからもユーザーを繋げるCRMサービスとして進化を続けています。 2026 © Social PLUS Inc. | 本資料を無断で転用・改変・複製・第三者に開示することを禁じます。 3
4. 会社紹介 ソーシャルPLUSの特徴 ソーシャルログインサービス 6種のアカウントに対応したソーシャルログインを手軽に導入可能です。 ユーザーのログイン・会員登録の手続きを簡単かつ安全に提供すること で、新規会員登録率の改善、コンバージョン率の向上、再訪率やリピー ト率の向上を可能にします。 LINEのCRM活用 LINEログインによる会員登録・ログインフローの中で友だち追加・ID連 携が完了する仕組みを提供しています。ユーザーの利便性を向上できる ことはもちろん、LINEのIDを活用してユーザーとの接点を強化し、効果 的なマーケティング施策やコンバージョン率の向上が実現できます。 2026 © Social PLUS Inc. | 本資料を無断で転用・改変・複製・第三者に開示することを禁じます。 4
5. 目次 1. はじめに : 今日話すこと 2. 2つのメトリクス連携方式の特徴 3. AIを活用した Metric Streams の導入 4. Metric Streams 導入の効果 5. まとめ 5
6. はじめに : 今日話すこと Claude Code と Datadog MCP を活用して AWS メトリクスの連携方式を移行したら、 遅延解消と思わぬコスト削減まで実現できたという話 6
7. 目次 1. はじめに : 今日話すこと 2. 2つのメトリクス連携方式の特徴 3. AIを活用した Metric Streams の導入 4. Metric Streams 導入の効果 5. まとめ 7
8. 2つのメトリクス連携方式の特徴 2種類の連携方式 API Polling • Datadog と AWS を連携すると、標準で組み込まれている方式 • 10分に1回、Datadog から AWS にメトリクスを取得しに行く Metric Streams • CloudWatch Metric Streams & Data Firehose を利用する方式 （別途構築が必要） • CloudWatch に到着次第、AWS から Datadog へメトリクスが送信される →弊社はこれまで API Polling を使用していた 8
9. 2つのメトリクス連携方式の特徴 API Polling の課題 • • 10分に1回の Polling = メトリクスが10分ほど遅延 ◦ Datadog Monitor で設定しているアラートの検知が遅れる ⤵ ◦ Datadog Dashboard で見ているデータの鮮度が落ちる ⤵ Metric Streams だと最大でも3分ほどの遅延 → Metric Streams を導入して、メトリクスの遅延を解消しよう 9
10. 2つのメトリクス連携方式の特徴 Metric Streams の懸念 • AWS リソースを別途作成（Metric Streams / Data Firehose） ◦ • どちらも従量課金で、流すメトリクスの量に比例してコストが増える API Polling と同じメトリクスの取得範囲で移行すると、コストが増加する試算 ◦ Datadog の公式ドキュメントにも記載あり → 過去に導入を検討したものの、コスト増加が見込まれたため断念した 10
11. 2つのメトリクス連携方式の特徴 Metric Streams の懸念への対応 以前は把握できていなかった、メトリクスを取得できる単位の違いを利用 API Polling は AWS サービス単位 • ALB RequestCount を取得したいとなった場合、ALB 全てのメトリクス（39個） を取得する必要がある Metric Streams はメトリクス単位 • ALB RequestCount を取得したいとなった場合、そのメトリクスのみを取得可能 11
12. 2つのメトリクス連携方式の特徴 Metric Streams の懸念への対応 以前は把握できていなかった、メトリクスを取得できる単位の違いを利用 API Polling は AWS サービス単位 • ALB RequestCount を取得したいとなった場合、ALB 全てのメトリクス（39個） を取得する必要がある Metric Streams はメトリクス単位 • ALB RequestCount を取得したいとなった場合、そのメトリクスのみを取得可能 → 必要なメトリクスのみ取得すれば、コスト増加を抑え、さらには削減までできる 12
13. 目次 1. はじめに : 今日話すこと 2. 2つのメトリクス連携方式の特徴 3. AIを活用した Metric Streams の導入 4. Metric Streams 導入の効果 5. まとめ 13
14. AIを活用した Metric Streams の導入 弊社のインフラ構築環境 • AWS、Datadog の構築は基本的に Terraform を利用 • AI Agent として Claude Code をメインで活用 • Datadog MCP を接続し、Datadog を直接見に行ける状態 14
15. AIを活用した Metric Streams の導入 Metric Streams 導入の実装 Terraform で実装 • Datadog にて、CloudFormation テンプレートが用意されているため、Claude Code に 「弊社の環境に合わせて Terraform に読み替えて」と伝える 取得するメトリクスの選択 • Claude Code に 「Datadog MCP 経由で Monitor や Dashboard で使用しているメ トリクスを取得して」と伝える 15
16. AIを活用した Metric Streams の導入 Metric Streams 導入の実装 Terraform で実装 • Datadog にて、CloudFormation テンプレートが用意されているため、Claude Code に 「弊社の環境に合わせて Terraform に読み替えて」と伝える 取得するメトリクスの選択 • Claude Code に 「Datadog MCP 経由で Monitor や Dashboard で使用しているメ トリクスを取得して」と伝える → 地味に手間がかかる & 事故に繋がる実装。AI のおかげでそれらの手間や事故を避け ながら導入することができたため、AI の活用によって成し得た取り組みだった 16
17. AIを活用した Metric Streams の導入 Metric Streams 導入の実装 Terraform で実装 • Datadog にて、CloudFormation テンプレートが用意されているため、Claude Code に 「弊社の環境に合わせて Terraform に読み替えて」と伝える 取得するメトリクスの選択 • Claude Code に 「Datadog MCP 経由で Monitor や Dashboard で使用しているメ 実は今日一番 トリクスを取得して」と伝える 伝えたいポイ ント → 地味に手間がかかる & 事故に繋がる実装。AI のおかげでそれらの手間や事故を避け ながら導入することができたため、AI の活用によって成し得た取り組みだった 17
18. AIを活用した Metric Streams の導入 メトリクス単位での取得設定とそのポイント 弊社の実際の取得設定 • • メトリクス単位 ◦ EC2（27→9） ◦ RDS（129→ 30） サービス単位 ◦ ALB、ElastiCache、Firehoseなど計8 サービス → 実は一部のサービスでしかメトリクス単位 で取得していない 18
19. AIを活用した Metric Streams の導入 メトリクス単位での取得設定とそのポイント • 細かくやりすぎると運用コストと認知負荷がかかる ◦ • メトリクス高速化が本来の目的 まずは絞りすぎずに広めにメトリクスの取得を調整する ◦ 運用してみて、コストやメトリクスの使用頻度に応じて絞り込む ◦ リソース数が少ない or メトリクス自体が少ないサービスは、全メトリクスを取得してし まうという割り切りもあり このメトリク スって見れない んだっけ このメトリクス 取得追加 お願いします 19
20. 目次 1. はじめに : 今日話すこと 2. 2つのメトリクス連携方式の特徴 3. AIを活用した Metric Streams の導入 4. Metric Streams 導入の効果 5. まとめ 20
21. Metric Streams 導入の効果 メトリクス高速化 Before 10分ほど遅延 21
22. Metric Streams 導入の効果 メトリクス高速化 After 遅延が2,3分 に減少 22
23. Metric Streams 導入の効果 コスト削減 Before After（API Polling → Metric Streams） 約30%AWS コストを削減 ※ 5月は移行期間のため、4月と6月で比較 ※ グラフには表現できなかったが、Firehoseは月2ドル程の増加 23
24. 目次 1. はじめに : 今日話すこと 2. 2つのメトリクス連携方式の特徴 3. AIを活用した Metric Streams の導入 4. Metric Streams 導入の効果 5. まとめ 24
25. まとめ • Metric Streams はメトリクスの取得単位を工夫することで、コストを削減しながら導入で きる • AI × Datadog MCP を活用することで、導入を楽にできる • 導入のポイントはまずは広めに取得しておいて、コスト状況や使用頻度をみながら必要 に応じてさらに絞り込んでいく 25
26. 今回の内容について お話しした内容は、弊社テックブログにも記載しています。 今回割愛した実装時のポイントなども記載しているので、チェックしてみてください! • Social PLUS Tech Blog ◦ Datadog × CloudWatch Metric Streams でメトリクスを高速化 & コスト削減した話 ソーシャルPLUSの採用ページ https://www.socialplus.jp/recruit 26
27. ご清聴ありがとうございました! 27