用途：在 Datadog SaaS 可观测性平台上实现基础设施、应用、日志与用户体验的统一监控，适用于搭建生产监控、跨微服务分布式追踪、日志聚合分析、自定义指标与仪表盘、告警与异常检测，以及成本优化。资料明确不建议在开源栈、预算有限或需要最大自定义时使用。
主要能力：APM 分布式追踪（8 种以上语言自动埋点）；主机、容器与云服务监控；集中式日志采集、处理管道与 15 个月保留；通过 DogStatsD 上报自定义指标并管理基数；合成测试支持 29 个以上全球位置；RUM 提供前端性能、Core Web Vitals 与会话回放；内置 1000+ 集成与 OpenTelemetry 兼容。
使用方式：先安装 Agent。Docker 方式：docker run -d --name dd-agent -e DD_API_KEY=<YOUR_API_KEY> -e DD_SITE="datadoghq.com" -v /var/run/docker.sock:/var/run/docker.sock:ro -v /proc/:/host/proc/:ro -v /sys/fs/cgroup/:/host/sys/fs/cgroup:ro gcr.io/datadoghq/agent:7。Kubernetes 方式：helm repo add datadog https://helm.datadoghq.com 后 helm install datadog-agent datadog/datadog --set datadog.apiKey=<YOUR_API_KEY> --set datadog.apm.enabled=true --set datadog.logs.enabled=true。应用埋点示例：Python 用 from ddtrace import tracer, patch_all 并调用 patch_all()，可用 tracer.trace("custom.operation", service="my-service") 手动创建 span；Node.js 需最先导入 const tracer = require('dd-trace').init({ service: 'my-service', env: 'production', version: '1.0.0' })。最后在界面 Infrastructure > Host Map、APM > Services、Logs > Search 验证。
标签策略：建议统一使用 env、service、version、team 标签；避免用户 ID、请求 ID、时间戳、Kubernetes Pod ID、构建号、提交哈希等高基数标签。最佳实践为渐进增强：基础 Agent → APM 追踪 → 自定义 span → 自定义指标 → Profiling → RUM；重点埋点位置包括 HTTP 出入口、数据库查询、外部服务调用、消息队列操作和关键业务流。
常见错误：高基数标签产生海量唯一指标、日志索引配额缺失导致账单激增、告警过多造成疲劳、缺少 service 标签无法关联数据、高流量追踪未采样造成成本爆炸。
限制：资料未提供具体收费、价格或平台支持细节；官方文档链接包括 https://docs.datadoghq.com/tracing/、/logs/、/metrics/、/developers/dogstatsd/ 及账单与用量归属页面。