يقترب موعد تجديد عقد قابلية الملاحظة (observability)، ويعود السؤال إلى اللجنة: Dynatrace vs Datadog (أو Datadog vs Dynatrace بحسب من يطرحه)، أيهما يخدم فريق SRE أفضل؟ تغطي المنصتان APM والبنية التحتية والسجلات وKubernetes وتجربة المستخدم، وتتشابهان كثيرًا في العروض التوضيحية.
الخطر أن يُتخذ القرار على انطباع أو على جدول ميزات موضوع عليها علامات. أما ما يهم فريق المناوبة فيُقاس بطريقة أخرى: الزمن اللازم للوصول إلى سبب الحادثة، والجهد المبذول لتجهيز خدمة جديدة بالقياس البرمجي (instrumentation)، ووضوح الفاتورة، وجودة أهداف SLO.
هدف هذا المقال: تقديم شبكة معايير قابلة للتحقق وتجربة جدوى (POC) بـ OpenTelemetry ترسل البيانات نفسها بالضبط إلى المنصتين، لتقارن على أساس ملموس. تتحدث هذه المدوّنة عن Dynatrace في الغالب؛ لذلك حرصنا على الالتزام بالوقائع، وعلى توثيق كل نقطة، وعلى عدم ذكر أي سعر. في جانب Dynatrace تستهدف المقارنة Dynatrace SaaS؛ وتُذكر الملاحظات الخاصة بـ Managed بوضوح.
Dynatrace vs Datadog: الفروق الجوهرية
للأداتين فلسفتان مختلفتان، موثقتان علنًا. تلخيصهما بأمانة يساعد على صياغة فرضيات الاختبار الصحيحة.
| المعيار | Dynatrace | Datadog |
|---|---|---|
| الجمع | OneAgent (قياس برمجي تلقائي) وDynatrace Operator على Kubernetes؛ استيعاب OTLP أصلي | Datadog Agent، يُنشر على Kubernetes عبر Helm أو Datadog Operator؛ استقبال OTLP داخل الـ Agent |
| الترابط | نموذج طوبولوجي (Smartscape) ومحرك تحليل الأسباب Davis | ترابط عبر وسوم موحدة (service وenv وversion) ووظائف تحليل في كل منتج |
| لغة الاستعلام | DQL على تخزين Grail | لغات بحث واستعلام خاصة بكل منتج (المقاييس والسجلات والتتبعات) |
| النموذج التجاري | التزام واحد يُستهلك بحسب السعة (DPS) | تسعير لكل منتج بوحدات خاصة بكل منها؛ راجع صفحة الأسعار الرسمية |
| الاستضافة | SaaS، أو Managed (استضافة ذاتية) لقيود السيادة على البيانات | SaaS، مع عدة مناطق («sites») للاختيار |
بالنسبة للأسعار، ارجع إلى الصفحات الرسمية والعروض التي تتلقاها: فهي تتوقف على الحجم والعقد وتتغير كثيرًا. ولمنطق مقارنة قريب، راجع مقارنة أهداف SLO بين Dynatrace وGrafana وPrometheus.
المتطلبات المسبقة لتجربة الجدوى
- بيئة تجريبية على كل منصة (tenant في Dynatrace SaaS، ومؤسسة Datadog في المنطقة المطلوبة).
- عنقود Kubernetes للاختبار مع تطبيق تجريبي مزوّد بقياس OpenTelemetry.
- OpenTelemetry Collector (توزيعة contrib أو توزيعة Dynatrace)، كما في نشر Collector على Kubernetes.
- رمز API مميّز (API token) في Dynatrace بنطاقات استيعاب OTLP (
openTelemetryTrace.ingestوmetrics.ingestوlogs.ingest) ومفتاح API من Datadog للـ Agent.
الخطوة 1: إرسال البيانات نفسها إلى المنصتين
لا قيمة للمقارنة إلا إذا كانت بيانات الدخل متطابقة. لذا يكرّر الـ Collector كل مسار (pipeline) نحو مُصدِّرين (exporters): نقطة OTLP الخاصة بـ Dynatrace، ومستقبِل OTLP في Datadog Agent المنشور داخل العنقود.
receivers:
otlp:
protocols:
grpc:
endpoint: 0.0.0.0:4317
http:
endpoint: 0.0.0.0:4318
processors:
batch: {}
exporters:
otlphttp/dynatrace:
endpoint: https://${env:DT_ENV_ID}.live.dynatrace.com/api/v2/otlp
headers:
Authorization: "Api-Token ${env:DT_API_TOKEN}"
otlp/datadog:
endpoint: datadog-agent.datadog.svc.cluster.local:4317
tls:
insecure: true
service:
pipelines:
traces:
receivers: [otlp]
processors: [batch]
exporters: [otlphttp/dynatrace, otlp/datadog]
metrics:
receivers: [otlp]
processors: [batch]
exporters: [otlphttp/dynatrace, otlp/datadog]
logs:
receivers: [otlp]
processors: [batch]
exporters: [otlphttp/dynatrace, otlp/datadog]
الأسطر الحرجة: يجب أن يبدأ الترويس Authorization بـ Api-Token يليه فراغ؛ وفي Managed يصبح العنوان https://<domaine>/e/<env-id>/api/v2/otlp. ولا يصلح tls.insecure إلا لحركة داخلية في العنقود.
في جانب Datadog، فعّل استقبال OTLP في الـ Agent، مثلًا بمتغيرات البيئة الموثقة هذه:
DD_OTLP_CONFIG_RECEIVER_PROTOCOLS_GRPC_ENDPOINT=0.0.0.0:4317
DD_OTLP_CONFIG_RECEIVER_PROTOCOLS_HTTP_ENDPOINT=0.0.0.0:4318
DD_OTLP_CONFIG_LOGS_ENABLED=true
بعد ذلك ثبّت أيضًا الـ Agent الأصلي لكل أداة (Dynatrace Operator وDatadog Agent مع تكاملاته) على جزء من العقد: فالقياس البرمجي التلقائي جزء مما تقيّمه.
الخطوة 2: تحديد معايير قابلة للقياس
قيّم كل منصة من 1 إلى 5 على معايير رقمية، مع الدليل المرافق (لقطة أو استعلام أو مدة مقيسة بالمؤقّت):
- زمن التشخيص: أحدث ثلاثة أعطال (زمن استجابة تبعية، وpod بحالة OOMKilled، وخطأ 500 بعد النشر) وقِس الزمن حتى بلوغ السبب، على يد شخص لا يعرف السيناريو.
- جهد القياس البرمجي: عدد الخطوات وأسطر الإعداد اللازمة لتظهر خدمة جديدة بتتبعات ومقاييس وسجلات مترابطة.
- SLO: الزمن اللازم لإنشاء SLO للتوافر وتنبيه burn rate على هذه الخدمة، كما في تنبيهات burn rate.
- الاستعلامات: اكتب السؤال نفسه («أبطأ عشر نقاط نهاية، بحسب الإصدار») بـ DQL وبلغات Datadog، وقيّم سهولة القراءة.
- كلفة يمكن توقعها: القدرة على تقدير فاتورة الشهر التالي انطلاقًا من شاشات الاستخدام.
- القيود: منطقة الاستضافة، والسيادة على البيانات، ومتطلبات الاستضافة الذاتية (Dynatrace وحده يوفر خيار Managed).
الخطوة 3: تنفيذ سيناريوهات الأعطال في Datadog وDynatrace
مثال على حقن بسيط وقابل للتراجع: تخفيض حد ذاكرة pod حتى OOMKilled.
kubectl -n demo set resources deployment/checkout --limits=memory=64Mi
kubectl -n demo get pods -w
# revenir à l'état initial
kubectl -n demo rollout undo deployment/checkout
في Dynatrace، راقب هل فُتحت مشكلة وما السبب الذي تقترحه؛ وفي Datadog، هل انطلق monitor وكم نقرة تلزم للوصول إلى حدث Kubernetes. دوّن أيضًا الضجيج: كم تنبيهًا لعطل واحد.
كيف تتحقق من أن الأمر يعمل
- في Dynatrace، يعيد استعلام DQL
fetch spans | filter service.name == "checkout" | summarize count()حجمًا مقاربًا لما يظهر في Datadog في الفترة نفسها. - في Datadog، تظهر الخدمة
checkoutفي كتالوج APM مع تتبعاتها. - لا تُظهر سجلات الـ Collector أي خطأ في التصدير (
kubectl logs deploy/otel-collector | grep -i error). - تبقى فوارق الحجم صغيرة؛ وإلا فتحقق من أخذ العيّنات (sampling) في كل جهة قبل المقارنة.
أفضل الممارسات
- ثبّت الشبكة قبل تجربة الجدوى واعتمدها: هكذا لا تختار معايير تؤكد تفضيلًا مسبقًا.
- اجعل أفراد المناوبة يختبرون، لا فريق المنصة وحده.
- أبقِ OpenTelemetry أساسًا: يبقى القياس البرمجي قابلًا للنقل أيًّا كان الاختيار النهائي.
- اطلب عروضًا مكتوبة على الحجم المتوقع نفسه، وأرّخها.
- اكتب تقريرًا بلا لوم: ما نجح وما تعثر، من دون تسمية «خاسر».
الأسئلة الشائعة
أيهما أرخص، Dynatrace أم Datadog؟
لا توجد إجابة عامة: النموذجان التسعيريان لا يستخدمان الوحدات نفسها، والنتيجة تتوقف على أحجامك. قارن عرضين مكتوبين على النطاق نفسه، واحسبهما على ثلاث سنوات.
هل يمكن الاحتفاظ بالأداتين؟
تقنيًا نعم، بفضل الـ Collector الذي يكرّر التدفقات، لكن ذلك يضاعف جهد التشغيل وغالبًا الفاتورة. هذا معقول في مرحلة انتقالية، ونادرًا كهدف نهائي.
وماذا إن كانت الاستضافة الذاتية مطلوبة؟
يتيح Dynatrace Managed استضافة المنصة في مركز بياناتك؛ أما Datadog فيُقدَّم كخدمة SaaS. وإن كانت السيادة على البيانات معيارًا إقصائيًا فهي تحسم الأمر قبل كل شيء.
الخلاصة
Dynatrace وDatadog منصتان ناضجتان؛ والاختيار الصحيح يتوقف على سياقك لا على ترتيب عام. تجربة جدوى تغذيها Collector واحدة، وأعطال محقونة، وشبكة قابلة للقياس، تمنحك قرارًا يمكن الدفاع عنه أمام الفريق وأمام الإدارة.
span.observer مدوّنة مجتمعية مستقلة وغير تابعة لشركة Dynatrace LLC ولا لشركة Datadog, Inc. Dynatrace وDatadog علامتان تجاريتان لمالكيهما. الميزات والعروض تتطور: تحقق منها في الوثائق الرسمية لكل ناشر (Dynatrace وDatadog).