Datadog 技能用于通过统一可观测性平台监控基础设施与应用。资料给出何时使用该技能、前置条件、各类部署方式、配置与集成示例、常见问题与最佳实践。
【用途与适用场景】 资料指出，在以下情况使用该技能：实施企业级监控；设置 APM 与分布式追踪；为基础设施和应用创建统一仪表盘；配置智能告警；监控云基础设施（AWS、Azure、GCP）。
【前置条件】 需要 Datadog 账户与 API key；具备 Agent 安装权限；具备应用代码访问权限以接入 APM。
【安装方式】 资料提供三种安装方式：
- Linux：通过安装脚本或包管理器安装 Agent，写入 API key，并用 systemctl 启动与设为开机自启。
- Docker：提供 docker-compose.yml 示例，使用 gcr.io/datadoghq/agent:7 镜像，配置 API key、日志、APM、进程 Agent 等环境变量，挂载 docker.sock、/proc、cgroup，并暴露 8126（APM）与 8125/udp（DogStatsD）端口。
- Kubernetes：使用 Helm 添加 datadog 仓库并安装，通过 --set 配置 apiKey、site、logs、apm、processAgent 等，创建命名空间。
【Agent 配置】 在 /etc/datadog-agent/datadog.yaml 中配置 api_key、site、hostname、全局 tags（env、service、team）、日志采集、APM（apm_config）、进程监控（process_config）、容器监控（container_collect_all、docker_labels_as_tags）。
【集成配置】 资料给出 MySQL、PostgreSQL、NGINX 的 conf.yaml 示例，包括主机、端口、用户名、密码、tags 及各自的采集选项（如 replication、extra_status_metrics、collect_activity_metrics、collect_database_size_metrics、nginx_status_url）。
【日志采集】 支持文件日志（type: file、path、service、source、sourcecategory、tags 及 log_processing_rules 排除规则）、Docker 日志（通过 com.datadoghq.ad.logs 标签）、Kubernetes 日志（通过 Pod annotation ad.datadoghq.com/...logs，含多行处理规则）。
【APM 配置】 提供 Python、Node.js、Go 三种语言的埋点示例。Python 使用 ddtrace 的 patch_all、tracer.configure 与 @tracer.wrap 手动埋点，可用 ddtrace-run 启动；Node.js 使用 dd-trace init 与 startSpan；Go 使用 dd-trace-go 的 tracer.Start、WithService、WithEnv、WithServiceVersion 及手动 span。
【自定义指标】 可通过 DogStatsD（increment、gauge、histogram、distribution）上报，或通过 datadog_api_client 的 MetricsApi 提交指标数据。
【仪表盘与告警】 提供 Dashboard JSON 示例，含 timeseries 与 query_value 组件，查询请求速率与错误率。提供指标告警与 APM（trace-analytics）告警 JSON 示例，包含查询、消息、tags、thresholds、notify_no_data 等配置。
【常见问题】
- Agent 未上报：检查 API key，用 datadog-agent status 验证。
- 缺少 trace：确认 APM 已启用、检查 tracer 配置与 8126 端口。
- 高基数标签：减少唯一标签值，改用 distribution 替代 histogram。
【最佳实践】 使用一致的服务与环境标签；遵循标签命名规范；使用统一服务标签（service、env、version）；设置服务级监控；按服务创建仪表盘；实现日志与 trace 关联；延迟指标使用 distribution；配置合理的告警升级。
【相关信息】 资料列出相关技能：prometheus-grafana（开源替代）、alerting-oncall（告警管理）、aws-vpc（AWS 监控）。
【限制】 资料未提供价格、收费模式、平台支持范围或具体效果数据。