商业监控 vs 自建监控：Datadog 与开源方案对比

┌──────────────────────────────────────────────────────┐
│                 Datadog 产品矩阵                      │
│                                                      │
│  基础设施层                                            │
│  ├── Infrastructure Monitoring (主机/容器监控)        │
│  ├── Network Monitoring (网络性能监控)                │
│  └── Serverless (AWS Lambda/云函数监控)               │
│                                                      │
│  APM 层                                              │
│  ├── APM (分布式追踪)                                │
│  ├── Database Monitoring (数据库监控)                 │
│  ├── Continuous Profiling (性能分析)                  │
│  └── Real User Monitoring (前端 RUM)                  │
│                                                      │
│  日志层                                               │
│  ├── Log Management (日志采集+分析)                   │
│  └── Log Patterns (日志模式自动分类)                  │
│                                                      │
│  合成监控                                             │
│  ├── Synthetics (API/浏览器拨测)                     │
│  └── Continuous Testing (CI 集成测试)                │
│                                                      │
│  安全与合规                                            │
│  ├── Cloud Security Management (云安全态势)           │
│  └── Cloud SIEM (安全事件管理)                       │
│                                                      │
│  其他                                                 │
│  ├── Incident Management (事件管理)                  │
│  ├── CI Visibility (CI/CD 可视化)                    │
│  └── Watchdog (AI 异常检测)                          │
└──────────────────────────────────────────────────────┘

┌──────────────────────────────────────────────────────────────┐
│              开源可观测性技术栈                                 │
│                                                              │
│  指标 (Metrics)                                              │
│  ├── 采集: Prometheus / vmagent                              │
│  ├── 存储: Prometheus TSDB / Thanos / Mimir / VictoriaMetrics│
│  └── 可视化: Grafana                                         │
│                                                              │
│  日志 (Logs)                                                 │
│  ├── 采集: Filebeat / Promtail / Vector                     │
│  ├── 存储: Elasticsearch / Loki / VictoriaLogs              │
│  └── 可视化: Kibana / Grafana                                │
│                                                              │
│  追踪 (Traces)                                               │
│  ├── 采集: OpenTelemetry SDK / Jaeger Client                 │
│  ├── 存储: Jaeger / Tempo / Zipkin                          │
│  └── 可视化: Jaeger UI / Grafana                            │
│                                                              │
│  合成监控                                                     │
│  └── Blackbox Exporter / Synthetics (Grafana Cloud)         │
│                                                              │
│  前端监控                                                     │
│  └── OpenTelemetry RUM / Sentry                             │
│                                                              │
│  告警                                                        │
│  └── Alertmanager / Grafana Alerting                        │
│                                                              │
│  统一采集层                                                   │
│  └── OpenTelemetry Collector                                │
└──────────────────────────────────────────────────────────────┘

监控成本随规模变化趋势（年费用）：

主机数        10      50       200      1000
              │       │         │         │
Datadog   ─── $8K ─── $43K ─── $170K ─── $850K
              │       │         │         │
开源方案   ─── $30K── $59K ─── $120K ─── $280K
              │       │         │         │
交叉点            ↑
            ~30 台主机

结论：
  < 30 台主机 → Datadog 更便宜（运维人力占比高）
  > 30 台主机 → 开源更便宜（边际成本低）
  > 200 台主机 → 开源显著便宜（节省 > 50%）

                    Datadog 成本增长（线性）
                    /
                   /
                  /     ← 每增加 100 台主机 +$85K/年
                /
              /
            /
          /
        /
开源方案 ──────────────────  ← 边际成本趋平
  (运维人力固定 + 少量硬件增量)

主机规模 →→→→→→→→→→→→→→→→→→→→→→→→→
        10   50   100  200  500  1000

Agent → Datadog Cloud (SaaS) → Web UI
         (采集/存储/处理/可视化全托管)

Exporter/Agent → Prometheus/VM → Grafana
                    ↓
               Alertmanager → 通知

# Datadog Metric Query
avg:system.cpu.user{env:production,service:web} by {host}.rollup(avg, 5m)

# 复杂查询
sum:trace.http.request.duration{service:api,env:prod} by {resource_name}.as_count()

# 等价 PromQL
avg by(host) (rate(node_cpu_seconds_total{mode="user", env="production", service="web"}[5m])) * 100

# 复杂查询
sum by(resource_name) (rate(http_request_duration_seconds_sum{service="api", env="prod"}[5m]))

开源方案每周运维工作（预估）：

部署和维护          2h/周   ── 系统更新、配置变更
容量管理            1h/周   ── 监控存储和性能
告警优化            2h/周   ── 审计和调优告警规则
Dashboard 维护     1h/周   ─── 更新仪表盘
故障处理            1h/周   ── 排查监控自身故障
─────────────────────────
总计               ~7h/周 ≈ 0.2 FTE

你的团队规模和主机数量？
│
├── < 30 台主机
│   └── 快速迭代期（需要快速上线监控）？
│       ├── 是 → Datadog（开箱即用，省人力）
│       └── 否 → 开源方案（长期省钱）
│
├── 30-100 台主机
│   └── 有 SRE/运维工程师？
│       ├── 有 → 开源方案（性价比开始显现）
│       └── 没有 → Datadog（运维外包）
│
└── > 100 台主机
    └── 数据合规要求？
        ├── 严格（数据不能出公司） → 开源方案（唯一选择）
        └── 无限制 → 开源方案（显著省钱）

┌─── 核心指标（自建开源） ───────────┐
│  Prometheus + Grafana              │
│  → 主机/容器/K8s 基础监控           │
│  → 成本可控，大规模优势明显          │
└───────────────────────────────────┘

┌─── APM + RUM（Datadog） ──────────┐
│  Datadog APM + RUM                 │
│  → 分布式追踪和前端监控              │
│  → 开源方案在 APM 自动埋点上较弱     │
└───────────────────────────────────┘

┌─── 日志（混合） ───────────────────┐
│  Loki（日常查询）+ Datadog（告警）  │
│  → Loki 低成本存储，Datadog AI 告警 │
└───────────────────────────────────┘