アーキテクチャパターン: ハイブリッド型

選定理由:

• Datadog契約（年間1,800万円）が最大のコスト要因だが、課金・決済チームのAPM活用が成熟しており急な移行はリスクが高い
• ELK/Jaegerの自前運用（年間800万円）は運用負荷が高く、SaaS移行のメリットが大きい
• 長期データはS3ベースの低コストストレージで保持

全体アーキテクチャ

[アプリケーション]
  ├── TypeScript (Web) ── OTel SDK ──┐
  ├── Go (API) ────── OTel SDK ──────┤
  ├── Python (検索) ── OTel SDK ─────┤
  ├── Java (課金) ── OTel SDK ───────┤    [Agent Collector]
  ├── Lambda (通知) ─ OTel Layer ────┤───→ (各ホスト/Pod)
  └── Kotlin/Swift ── OTel SDK ──────┘         │
                                                ↓
                                    [Gateway Collector Cluster]
                                      ├── フィルタリング
                                      ├── テイルサンプリング
                                      ├── エンリッチメント
                                      └── ルーティング
                                            │
                          ┌─────────────────┼────────────────┐
                          ↓                 ↓                ↓
                    [Datadog]         [Grafana Cloud]    [S3 + Athena]
                    (メイン分析)      (一部チーム)       (長期保管)
                    メトリクス         ログ(Loki)        アーカイブ
                    トレース(APM)     メトリクス(Mimir)   コンプライアンス
                    ログ
                          └─────────────────┼────────────────┘
                                            ↓
                                      [Grafana]
                                     (統合可視化)

計装戦略

サンプリング戦略

推定削減効果: トレースデータ量75%削減

ログ標準フォーマット

{
  "timestamp": "2026-03-04T10:30:00.123Z",
  "level": "ERROR",
  "message": "Payment processing failed",
  "service.name": "payment-service",
  "service.version": "1.5.2",
  "environment": "production",
  "trace_id": "abc123def456ghi789",
  "span_id": "jkl012mno345",
  "user_id": "usr_hash_xxx",
  "error.type": "PaymentGatewayTimeout",
  "error.message": "Gateway response timeout after 30s",
  "http.method": "POST",
  "http.url": "/api/v1/payments",
  "http.status_code": 504
}

データティアリング

年間TCO

ダッシュボード体系

移行ロードマップ

リスクと緩和策