Большинство сравнений сводятся к сопоставлению списков функций Datadog и Dynatrace, на чем все и заканчивается. При этом упускается из виду главное — то, что находится на уровень ниже списка функций: архитектура построения каждой платформы.

Dynatrace спроектирована на основе автоматизированного моделирования топологии. Один агент, OneAgent, инструментирует хост и отображает все обнаруженные элементы в Smartscape, актуальной модели среды в Dynatrace. Datadog представляет собой гибкую модульную платформу, включающую более 20 отдельно лицензируемых продуктов, которые вы комбинируете в зависимости от того, что именно вам нужно мониторить.

В одиночку ни одна из архитектур не решает две проблемы, которые обычно проявляются через год-два использования. Команды по-прежнему сталкиваются с непредсказуемыми счетами при масштабировании и теряют время на переключение между инструментами, чтобы восстановить картину произошедшего во время инцидентов.

В этой статье рассматриваются архитектура, развертывание, анализ первопричин на базе ИИ и ценообразование для обеих платформ. В ней рассказывается о недостатках каждого инструмента и предлагается третий вариант, который устраняет этот компромисс, избавляя от необходимости выбирать одну из сторон.

Datadog против Dynatrace: краткий обзори

Вот как обе платформы соотносятся по самым важным параметрам.

Архитектура платформы и модель данных

Эти две платформы исходят из противоположных предположений о том, как среда должна быть описана и инструментирована, и этот выбор определяет все последующие аспекты.

Datadog: модульная архитектура

Комплексный набор для мониторинга Datadog намеренно сделан модульным. Мониторинг производительности приложений (APM), мониторинг инфраструктуры, управление логами, управление информационной безопасностью и событиями (SIEM), мониторинг реальных пользователей (RUM) и более десятка других продуктов представляют собой отдельные товарные позиции (SKU) со своими настройками агента Datadog и своей строкой в счете. Команды лицензируют только то, что им нужно, и платформа развивается в том направлении, диктуемом текущими проблемами квартала.

Этот компромисс дает о себе знать со временем. Каждый добавленный продукт — это новая интеграция для настройки, новый расход для отслеживания и еще одно место, где анализ первопричин останавливается, если необходимые данные находятся в продукте, который команда еще не приобрела.

Dynatrace: единая архитектура по замыслу

Dynatrace делает противоположную ставку. OneAgent развертывается один раз на хост и автоматически обнаруживает каждый под Kubernetes, процесс, сервис и зависимость, работающие на нем, отображая результаты в Smartscape. Он поддерживает стандарты OpenTelemetry и более 900 технологий из коробки, поддерживая актуальность по мере изменения среды без необходимости настройки отдельных интеграций.

Это обеспечивает полную картину при гораздо меньших затратах на ручную настройку, хотя также означает, что среда описывается исключительно с помощью топологической модели Dynatrace. Если OneAgent не инструментировал что-либо — будь то неподдерживаемая технология или система, которую команда решила не лицензировать, — эта часть среды вообще не отображается в модели.

Один вопрос, два разных ответа

Обе платформы решают главную задачу APM: предоставить командам достаточно возможностей для обнаружения проблем до того, как с ними столкнутся клиенты. Datadog решает ее с помощью выбора, а Dynatrace — с помощью автоматизации. Ни один из вариантов не устраняет компромисс полностью. Он лишь меняет то, где команды с ним сталкиваются.

Развертывание и время до получения ценности

То же архитектурное разделение проявляется и в том, сколько времени требуется каждой платформе, чтобы перейти от установки к полезному результату.

Dynatrace: быстрый старт, более тяжелый при масштабировании

На бумаге Dynatrace выигрывает гонку развертывания безоговорочно. Модель одного агента с автообнаружением в OneAgent означает, что новый хост начинает мониториться, отображаться и сопоставляться в течение нескольких минут после установки, без ручной настройки того, за чем следить и как это подключается к остальным элементам.

Это преимущество в скорости имеет тенденцию уменьшаться в масштабах предприятия. Запуск OneAgent в крупной среде по-прежнему означает управление зонами администрирования, политиками доступа и правилами инструментирования для каждой команды и среды на платформе. Ничто из этого не является необязательным, когда организация запускает сотни или тысячи хостов в нескольких бизнес-подразделениях, и правильная настройка этого процесса представляет собой отдельный проект.

Datadog: более медленный старт, более целенаправленный подход

Развертывание Datadog требует больше ручных действий с первого дня. У каждого продукта (APM, Infrastructure, Logs и остальных) есть собственная конфигурация агента и собственная интеграция, которую нужно подключить. Это означает, что для полного запуска требуется больше времени, но это также означает, что команда настраивает только те части стека, за которыми она действительно ведет мониторинг, вместо того чтобы наследовать модель топологии для всего, что случайно обнаружит OneAgent.

Ни один из путей не является бесплатным

Dynatrace меняет ручную настройку агентов на накладные расходы по управлению на уровне предприятия. Datadog меняет автоматическое обнаружение на детальную настройку для каждого продукта. Общее время до получения ценности зависит не столько от выбора платформы, сколько от того, насколько велика и управляема среда уже сейчас.

Анализ первопричин на базе ИИ

Watchdog от Datadog и Davis AI от Dynatrace решают одну и ту же проблему с разных исходных точек, и к обеим системам стоит отнестись со всей серьезностью.

Watchdog (Datadog)

Watchdog работает со всеми продуктами Datadog, на которые у команды есть лицензия, непрерывно сканируя систему на предмет аномалий без необходимости ручной настройки. Когда что-то ломается, он указывает вероятную причину, ранжирует затронутые сервисы по степени влияния на клиентов и автоматически выявляет такие проблемы, как неудачный canary-релиз.

Davis AI (Dynatrace)

Davis AI работает со всем, что было инструментировано с помощью OneAgent, используя подход, который Dynatrace называет причинно-следственным (causal approach): он строит карту зависимостей по всей среде и сопоставляет события с этой топологией, чтобы указывать на первопричину, а не на простую корреляцию.

Общее ограничение

Вот в чем подвох, актуальный для обоих решений: механизм корреляции на базе ИИ может делать выводы только на основе тех данных, которые он видит. Watchdog не может отследить первопричину до продукта, который команда не покупала. Davis AI не может построить карту зависимости, которую OneAgent никогда не инструментировал, будь то из-за неподдерживаемых технологий или неконтролируемых систем, находящихся за пределами лицензированной среды.

В обоих случаях ограничения телеметрии сдерживают ИИ, и этот разрыв проистекает из архитектуры платформы, а не из того, у кого алгоритм точнее.

Ценообразование и совокупная стоимость владения

И Datadog, и Dynatrace формируют цены на основе использования, а не фиксированных лицензий, и обе платформы трудно прогнозировать, когда команда работает в реальных масштабах.

Datadog: отдельный счетчик для каждого продукта

Datadog суммирует расходы по отдельному счетчику для каждого продукта. Последние прейскурантные цены (при оплате за год) включают:

Около $15 за хост в месяц для Infrastructure Pro
Около $31 за хост в месяц для APM
$0,10 за ГБ принятых данных для логов
Отдельные тарифы, накладываемые сверху для пользовательских метрик, индексации, синтетических тестов, RUM и других дополнений

Счет команды фактически представляет собой сумму всех работающих счетчиков. Эта сумма меняется каждый раз, когда меняется количество хостов, объем логов или внедрение продуктов.

Dynatrace: одно обязательство, несколько работающих счетчиков

Dynatrace выставляет счета на основе единого годового обязательства по платформе, которое расходуется по мере использования в нескольких категориях одновременно:

Хосты, оплачиваемые за хосто-час (мониторинг инфраструктуры) или за гигабайт-час памяти (комплексный мониторинг)
Поды контейнеров с почасовой оплатой
Прием логов и сканирование запросов, тарифицируемые за ГиБ

Dynatrace прямо заявляет, что не взимает штрафную плату за превышение лимитов после исчерпания предоплаченного объема, что является реальным преимуществом по сравнению с карательными моделями тарификации за перерасход в других местах на рынке. Тем не менее, прогнозирование счета, формирующегося из нескольких счетчиков использования, каждый из которых изменяется независимо по мере масштабирования среды, представляет собой более сложную задачу планирования, чем работа с единой предсказуемой ставкой.

Как это выглядит во время всплеска трафика

Представьте всплеск трафика у ритейлера в праздничный уик-энд: количество хостов и объем запросов растут одновременно.

В модели Datadog это означает одновременный скачок платы за инфраструктуру и APM из расчета на каждый хост, плюс всплеск приема логов. Три счетчика работают одновременно.
В модели Dynatrace это скачок часов работы хостов (или памяти в ГиБ-часах в Full-Stack), часов работы подов и объема логов в рамках того же годового обязательства, что расходует его быстрее, чем планировалось.

В любом случае команда узнает реальную стоимость всплеска постфактум, а не заранее.

New Relic также опубликовала руководство по оценке совокупной стоимости владения для инструментов мониторинга инфраструктуры, охватывающее инженерное время, обучение и операционные расходы, которые одна лишь лицензионная цена не отражает. На него стоит взглянуть, если вы хотите смоделировать полную стоимость любой из платформ для своей собственной среды, а не просто сравнивать прейскурантные цены.

В чем обе платформы не дотягивают до идеала

Если отбросить архитектурные различия, и Datadog, и Dynatrace сталкиваются с тремя одними и теми же проблемами.

Непредсказуемые расходы. Будь то нагромождение продуктов по модели Datadog или модель многомодульного потребления Dynatrace, кто-то в команде должен каждый месяц активно отслеживать использование в сравнении с прогнозом. В противном случае вы рискуете получить счет, который не соответствует бюджету, под который он планировался.
Разрастание инструментов и контекста. Согласно прогнозу наблюдаемости New Relic на 2026 год, среднестатистическая организация использовала около четырех инструментов наблюдаемости в 2025 году, и в текущем году этот показатель снова растет до пяти. При этом survey data from BlueCat and Enterprise Management Associates (EMA) показывает, что 87% команд сетевых операций полагаются на несколько инструментов, которые не предлагают значимой интеграции. Поскольку команды регулярно объединяют любую из этих платформ с дополнительными специализированными инструментами для покрытия того, чего в ней нет, от этого полностью не уходит ни модульная модель Datadog, ни модель лицензируемых модулей Dynatrace.
Более медленное разрешение инцидентов из-за переключения контекста. В том же исследовании BlueCat и EMA описывается «устранение неполадок с помощью вращающегося стула» (swivel-chair troubleshooting), когда команды перепрыгивают между дашбордами прямо во время инцидента, чтобы восстановить картину произошедшего.

Ничто из этого не делает ни одну из платформ плохим выбором. Это означает лишь то, что архитектурное решение, принятое в первый день — модульное или унифицированное — также является решением о том, с какой из этих трех проблем вашей команде придется справляться еще долгие годы.

Третий вариант: консолидация на базе New Relic

Существует вариант этого сравнения, который не требует выбора компромисса, с которым придется мириться.

Единая модель данных, а не набор разрозненных хранилищ

New Relic работает на основе единой модели данных для метрик, распределенной трассировки и логов, а не набора отдельно лицензируемых продуктов или единой проприетарной топологической модели, с нативной поддержкой OpenTelemetry для команд, которые хотят сохранить портируемость инструментирования. Это снимает архитектурный выбор, так как нет необходимости выбирать между модульной гибкостью и автоматизированной топологией. В New Relic корреляции не блокируются тем, какой продукт команда случайно лицензировала или какая система была проинструментирована.

Предсказуемая модель ценообразования

New Relic устанавливает фиксированную плату за прием данных за ГБ для метрик, событий, логов и трасс без дополнительной платы за каждый хост и без отдельных комиссий за индексацию поверх этого. Команды платят за пользователей сверх объема приема данных или могут выбрать ценообразование на основе вычислений (compute-based) без пользовательских лицензий. Каждый аккаунт также получает 100 ГБ приема данных бесплатно каждый месяц, что покрывает значительный объем реального использования до того, как команда начнет за что-либо платить.

Искусственный интеллект, не ограниченный разрозненными хранилищами

ИИ-ассистент для корреляции работает по всему набору данных по умолчанию — метрикам, трассам и логам вместе, а не только по тем продуктам или проинструментированным системам, которые случайно оказались в зоне видимости. Это та же самая проблема «ИИ хорош ровно настолько, насколько хороша телеметрия, которую он видит», решаемая за счет отсутствия изолированных хранилищ телеметрии в самом начале.

Если вы взвешиваете это именно в сравнении с Datadog, New Relic подготовила прямое сравнение функций и цен, с которым стоит ознакомиться. А если вы уходите с одной из этих платформ, существуют специальные руководства по альтернативам Dynatrace и альтернативам Datadog, в которых подробнее рассматриваются нюансы миграции.

Посмотрите, как мониторинг приложений от New Relic справляется с теми же вопросами архитектуры, стоимости и реагирования на инциденты применительно к вашей собственной среде, а не к гипотетической. Запросите демоверсию, чтобы разобрать это вместе с инженером New Relic.