Rastreo

En tu aplicación principal, añade la biblioteca dd-trace-js. Consulta Rastreo de aplicaciones Node.js para obtener instrucciones.

Establece ENV NODE_OPTIONS="--require dd-trace/init". Esto especifica que el módulo dd-trace/init es necesario cuando se inicia el proceso en Node.js.

Métricas

La biblioteca de rastreo también recopila métricas personalizadas. Consulta los ejemplos de código.

Logs

El sidecar de Datadog recopila logs a través de un volumen compartido. Para reenviar logs desde tu contenedor principal al sidecar, configura tu aplicación para escribir todos los logs en una localización como shared-volume/logs/*.log siguiendo los pasos que se indican a continuación. Debes seguir la configuración de la interfaz de usuario de GCP para añadir la variable de entorno DD_SERVERLESS_LOG_PATH y un Montaje de volumen compartido tanto al contenedor principal como al sidecar. Si decides desplegar con YAML o Terraform, las variables de entorno, el check de estado y el montaje de volumen ya están añadidos.

Para configurar el registro en tu aplicación, consulta Recopilación de logs de Node.js. Para configurar la correlación de logs y trazas (traces), consulta Correlación de logs y trazas de Node.js.

Rastreo

En tu aplicación principal, añade la biblioteca dd-trace-py. Consulta Rastreo de aplicaciones Python para obtener instrucciones. También puedes utilizar Tutorial: Activación del rastreo para una aplicación Python y Datadog Agent en contenedores.

Métricas

La biblioteca de rastreo también recopila métricas personalizadas. Consulta los ejemplos de código.

Logs

El sidecar de Datadog recopila logs a través de un volumen compartido. Para reenviar logs desde tu contenedor principal al sidecar, configura tu aplicación para escribir todos los logs en una localización como shared-volume/logs/*.log siguiendo los pasos que se indican a continuación. Debes seguir la configuración de la interfaz de usuario de GCP para añadir la variable de entorno DD_SERVERLESS_LOG_PATH y un Montaje de volumen compartido tanto al contenedor principal como al sidecar. Si decides desplegar con YAML o Terraform, las variables de entorno, el check de estado y el montaje de volumen ya están añadidos.

Para configurar el registro en tu aplicación, consulta Recopilación de logs de Python. También puede ser útil el documento Prácticas recomendadas de registro de Python. Para configurar la correlación de logs y trazas, consulta Correlación de logs y trazas de Python.

Rastreo

En tu aplicación principal, añade la biblioteca dd-trace-java. Sigue las instrucciones de Rastreo de aplicaciones Java o utiliza el siguiente archivo Docker de ejemplo para añadir e iniciar la biblioteca de rastreo con la instrumentación automática:

FROM eclipse-temurin:17-jre-jammy
WORKDIR /app
COPY target/cloudrun-java-1.jar cloudrun-java-1.jar


# Add the Datadog tracer
ADD 'https://dtdg.co/latest-java-tracer' dd-java-agent.jar


EXPOSE 8080


# Start the Datadog tracer with the javaagent argument
ENTRYPOINT [ "java", "-javaagent:dd-java-agent.jar", "-jar", "cloudrun-java-1.jar" ]

Métricas

Para recopilar métricas personalizadas, instala el cliente Java DogStatsD.

Logs

El sidecar de Datadog recopila logs a través de un volumen compartido. Para reenviar logs desde tu contenedor principal al sidecar, configura tu aplicación para escribir todos los logs en una localización como shared-volume/logs/*.log siguiendo los pasos que se indican a continuación. Debes seguir la configuración de la interfaz de usuario de GCP para añadir la variable de entorno DD_SERVERLESS_LOG_PATH y un Montaje de volumen compartido tanto al contenedor principal como al sidecar. Si decides desplegar con YAML o Terraform, las variables de entorno, el check de estado y el montaje de volumen ya están añadidos.

Para configurar el registro en tu aplicación, consulta Recopilación de logs de Java. Para configurar la correlación de logs y trazas, consulta Correlación de logs y trazas de Java.

Rastreo

En tu aplicación principal, añade la biblioteca dd-trace-go. Consulta Rastreo de aplicaciones Go para obtener instrucciones.

Métricas

La biblioteca de rastreo también recopila métricas personalizadas. Consulta los ejemplos de código.

Logs

El sidecar de Datadog recopila logs a través de un volumen compartido. Para reenviar logs desde tu contenedor principal al sidecar, configura tu aplicación para escribir todos los logs en una localización como shared-volume/logs/*.log siguiendo los pasos que se indican a continuación. Debes seguir la configuración de la interfaz de usuario de GCP para añadir la variable de entorno DD_SERVERLESS_LOG_PATH y un Montaje de volumen compartido tanto al contenedor principal como al sidecar. Si decides desplegar con YAML o Terraform, las variables de entorno, el check de estado y el montaje de volumen ya están añadidos.

Para configurar el registro en tu aplicación, consulta Recopilación de logs de Go. Para configurar la correlación de logs y trazas, consulta Correlación de logs y trazas de Go.

Rastreo

En tu aplicación principal, añade la biblioteca de rastreo de .NET. Consulta Rastreo de aplicaciones .NET para obtener instrucciones.

Ejemplo de archivo Docker:

FROM mcr.microsoft.com/dotnet/aspnet:8.0-jammy
WORKDIR /app
COPY ./bin/Release/net8.0/publish /app

ADD https://github.com/DataDog/dd-trace-dotnet/releases/download/v2.56.0/datadog-dotnet-apm_2.56.0_amd64.deb /opt/datadog/datadog-dotnet-apm_2.56.0_amd64.deb
RUN dpkg -i /opt/datadog/datadog-dotnet-apm_2.56.0_amd64.deb
RUN mkdir -p /shared-volume/logs/

ENV CORECLR_ENABLE_PROFILING=1
ENV CORECLR_PROFILER={846F5F1C-F9AE-4B07-969E-05C26BC060D8}
ENV CORECLR_PROFILER_PATH=/opt/datadog/Datadog.Trace.ClrProfiler.Native.so
ENV DD_DOTNET_TRACER_HOME=/opt/datadog/

ENV DD_TRACE_DEBUG=true

ENTRYPOINT ["dotnet", "dotnet.dll"]

Métricas

La biblioteca de rastreo también recopila métricas personalizadas. Consulta los ejemplos de código.

Logs

El sidecar de Datadog recopila logs a través de un volumen compartido. Para reenviar logs desde tu contenedor principal al sidecar, configura tu aplicación para escribir todos los logs en una localización como shared-volume/logs/*.log siguiendo los pasos que se indican a continuación. Debes seguir la configuración de la interfaz de usuario de GCP para añadir la variable de entorno DD_SERVERLESS_LOG_PATH y un Montaje de volumen compartido tanto al contenedor principal como al sidecar. Si decides desplegar con YAML o Terraform, las variables de entorno, el check de estado y el montaje de volumen ya están añadidos.

Para configurar el registro en tu aplicación, consulta Recopilación de logs de C#. Para configurar la correlación de logs y trazas, consulta Correlación de logs y trazas de .NET.

En tu aplicación principal, añade la biblioteca dd-trace-php. Consulta Rastreo de aplicaciones PHP para obtener instrucciones.

Métricas

La biblioteca de rastreo también recopila métricas personalizadas. Consulta los ejemplos de código.

Logs

El sidecar de Datadog recopila logs a través de un volumen compartido. Para reenviar logs desde tu contenedor principal al sidecar, configura tu aplicación para escribir todos los logs en una localización como shared-volume/logs/*.log siguiendo los pasos que se indican a continuación. Debes seguir la configuración de la interfaz de usuario de GCP para añadir la variable de entorno DD_SERVERLESS_LOG_PATH y un Montaje de volumen compartido tanto al contenedor principal como al sidecar. Si decides desplegar con YAML o Terraform, las variables de entorno, el check de estado y el montaje de volumen ya están añadidos.

Para configurar el registro en tu aplicación, consulta Recopilación de logs de PHP. Para configurar la correlación de logs y trazas, consulta Correlación de logs y trazas de PHP.

Contenedor sidecar

1. En Cloud Run, selecciona Edit & Deploy New Revision (Editar y desplegar nueva revisión).

2. En la parte inferior de la página, selecciona Add Container (Añadir contenedor).

3. En Container image URL (URL del contenedor de la imagen), selecciona gcr.io/datadoghq/serverless-init:latest.

4. Ve a Volume Mounts (Montaje de volumen) y configura un montaje de volumen para logs. Asegúrate de que la ruta de montaje coincide con la localización de escritura de tu aplicación. Por ejemplo:

5. Ve a Settings (Configuración) y añade un check de inicio.

   • Select health check type (Seleccionar el tipo de check de estado): check de inicio
   • Select probe type (Seleccionar el tipo de sonda): TCP
   • Port (Puerto): introduce un número de puerto. Toma nota de esto, ya que se utiliza en el siguiente paso.

6. Ve a Variables & Secrets (Variables y secretos) y añade las siguientes variables de entorno como pares nombre-valor:

   • DD_SERVICE: un nombre para tu servicio. Por ejemplo, gcr-sidecar-test.
   • DD_ENV: un nombre para tu entorno. Por ejemplo, dev.
   • DD_SERVERLESS_LOG_PATH: tu ruta de log. Por ejemplo, /shared-volume/logs/*.log.
   • DD_API_KEY: tu clave de API de Datadog.
   • DD_HEALTH_PORT: el puerto que seleccionaste para el check de inicio en el paso anterior.

   Para consultar la lista de todas las variables de entorno, incluidas las etiquetas adicionales, consulta variables de entorno.

Contenedor principal

1. Ve a Volume Mounts (Montajes de volumen) y añade el mismo volumen compartido que hiciste para el contenedor sidecar. Nota: Guarda los cambios seleccionando Done (Hecho). No despliegues los cambios hasta el último paso.
2. Ve a Variables & Secrets (Variables y secretos) y añade la misma variable de entorno DD_SERVICE que estableciste para el contenedor sidecar.
3. Ve a Settings (Configuración). En el menú desplegable Container start up order (Orden de inicio del contenedor), selecciona tu sidecar.
4. Despliega tu aplicación principal.

Para desplegar tu servicio de Cloud Run con la especificación de servicio YAML, utiliza el siguiente archivo de ejemplo de configuración. En este ejemplo, las variables de entorno, el check de estado de inicio y el montaje de volumen ya están añadidos. Si no deseas habilitar los logs, elimina el volumen compartido. Asegúrate de que el puerto de contenedor para el contenedor principal es el mismo que el expuesto en tu archivo Docker/servicio.

1. Crea un archivo YAML que contenga lo siguiente:

   apiVersion: serving.knative.dev/v1
   kind: Service
   metadata:
     name: '<SERVICE_NAME>'
     labels:
       cloud.googleapis.com/location: '<LOCATION>'
   spec:
     template:
       metadata:
         annotations:
           autoscaling.knative.dev/maxScale: '100' # The maximum number of instances that can be created for this service. https://cloud.google.com/run/docs/reference/rest/v1/RevisionTemplate
           run.googleapis.com/container-dependencies: '{"run-sidecar-1":["serverless-init-1"]}' # Configure container start order for sidecar deployments https://cloud.google.com/run/docs/configuring/services/containers#container-ordering
           run.googleapis.com/startup-cpu-boost: 'true' # The startup CPU boost feature for revisions provides additional CPU during instance startup time and for 10 seconds after the instance has started. https://cloud.google.com/run/docs/configuring/services/cpu#startup-boost
       spec:
         containers:
           - env:
               - name: DD_SERVICE
                 value: '<SERVICE_NAME>'
             image: '<CONTAINER_IMAGE>'
             name: run-sidecar-1
             ports:
               - containerPort: 8080
                 name: http1
             resources:
               limits:
                 cpu: 1000m
                 memory: 512Mi
             startupProbe:
               failureThreshold: 1
               periodSeconds: 240
               tcpSocket:
                 port: 8080
               timeoutSeconds: 240
             volumeMounts:
               - mountPath: /shared-volume
                 name: shared-volume
           - env:
               - name: DD_SERVERLESS_LOG_PATH
                 value: shared-volume/logs/*.log
               - name: DD_SITE
                 value: datadoghq.com
               - name: DD_ENV
                 value: serverless
               - name: DD_API_KEY
                 value: '<API_KEY>'
               - name: DD_SERVICE
                 value: '<SERVICE_NAME>'
               - name: DD_VERSION
                 value: '<VERSION>'
               - name: DD_LOG_LEVEL
                 value: debug
               - name: DD_LOGS_INJECTION
                 value: 'true'
               - name: DD_HEALTH_PORT
                 value: '12345'
             image: gcr.io/datadoghq/serverless-init:latest
             name: serverless-init-1
             resources:
               limits:
                 cpu: 1000m
                 memory: 512Mi # Can be updated to a higher memory if needed
             startupProbe:
               failureThreshold: 3
               periodSeconds: 10
               tcpSocket:
                 port: 12345
               timeoutSeconds: 1
             volumeMounts:
               - mountPath: /shared-volume
                 name: shared-volume
         volumes:
           - emptyDir:
               medium: Memory
               sizeLimit: 512Mi
             name: shared-volume
     traffic: # make this revision and all future ones serve 100% of the traffic as soon as possible, overriding any established traffic split
       - latestRevision: true
         percent: 100
   

   En este ejemplo, las variables de entorno, el check de estado de inicio y el montaje de volumen ya están añadidos. Si no quieres habilitar los logs, elimina el volumen compartido. Asegúrate de que el puerto de contenedor para el contenedor principal es el mismo que el expuesto en tu archivo Docker/servicio.

2. Suministra los valores de parámetro:

   • <SERVICE_NAME>: un nombre para tu servicio. Por ejemplo, gcr-sidecar-test. Consulta Etiquetado de servicios unificado.
   • <LOCATION>: la región en la que estás desplegando tu servicio. Por ejemplo, us-central.
   • <DATADOG_SITE>: tu sitio de Datadog, .
   • <API_KEY>: tu clave de API de Datadog.
   • <VERSION>: el número de versión de tu despliegue. Consulta Etiquetado de servicios unificado.
   • <CONTAINER_IMAGE>: la imagen del código que estás desplegando en Cloud Run. Por ejemplo, us-docker.pkg.dev/cloudrun/container/hello.
   • <SERVICE_ACCOUNT>: el nombre de tu cuenta de servicio de Google Cloud.

3. Ejecuta:

   gcloud run services replace <FILENAME>.yaml
   

Para desplegar tu servicio de Cloud Run con Terraform, utiliza el siguiente archivo de ejemplo de configuración. En este ejemplo, las variables de entorno, el check de estado de inicio y el montaje de volumen ya están añadidos. Si no deseas habilitar los logs, elimina el volumen compartido. Asegúrate de que el puerto de contenedor para el contenedor principal es el mismo que el expuesto en tu archivo Docker/servicio. Si no deseas permitir el acceso público, elimina la sección Política de IAM.

provider "google" {
  project = "<PROJECT_ID>"
  region  = "<LOCATION>"  # example: us-central1
}

resource "google_cloud_run_service" "terraform_with_sidecar" {
  name     = "<SERVICE_NAME>"
  location = "<LOCATION>"

  template {
    metadata {
      annotations = {
        # Correctly formatted container-dependencies annotation
        "run.googleapis.com/container-dependencies" = jsonencode({main-app = ["sidecar-container"]})
      }
    }
    spec {
      # Define shared volume
      volumes {
        name = "shared-volume"
        empty_dir {
          medium = "Memory"
        }
      }

      # Main application container
      containers {
        name  = "main-app"
        image = "<CONTAINER_IMAGE>"

        # Expose a port for the main container
        ports {
          container_port = 8080
        }
        # Mount the shared volume
        volume_mounts {
          name      = "shared-volume"
          mount_path = "/shared-volume"
        }

        # Startup Probe for TCP Health Check
        startup_probe {
          tcp_socket {
            port = 8080
          }
          initial_delay_seconds = 0  # Delay before the probe starts
          period_seconds        = 10   # Time between probes
          failure_threshold     = 3   # Number of failures before marking as unhealthy
          timeout_seconds       = 1  # Number of failures before marking as unhealthy
        }

        # Environment variables for the main container
        env {
          name  = "DD_SERVICE"
          value = "<SERVICE_NAME>"
        }

        # Resource limits for the main container
        resources {
          limits = {
            memory = "512Mi"
            cpu    = "1"
          }
        }
      }

      # Sidecar container
      containers {
        name  = "sidecar-container"
        image = "gcr.io/datadoghq/serverless-init:latest"

        # Mount the shared volume
        volume_mounts {
          name      = "shared-volume"
          mount_path = "/shared-volume"
        }

        # Startup Probe for TCP Health Check
        startup_probe {
          tcp_socket {
            port = 12345
          }
          initial_delay_seconds = 0  # Delay before the probe starts
          period_seconds        = 10   # Time between probes
          failure_threshold     = 3   # Number of failures before marking as unhealthy
          timeout_seconds       = 1
        }

        # Environment variables for the sidecar container
        env {
          name  = "DD_SITE"
          value = "<DATADOG_SITE>"
        }
        env {
          name  = "DD_SERVERLESS_LOG_PATH"
          value = "shared-volume/logs/*.log"
        }
        env {
          name  = "DD_ENV"
          value = "serverless"
        }
        env {
          name  = "DD_API_KEY"
          value = "<API_KEY>"
        }
        env {
          name  = "DD_SERVICE"
          value = "<SERVICE_NAME>"
        }
        env {
          name  = "DD_VERSION"
          value = "<VERSION>"
        }
        env {
          name  = "DD_LOG_LEVEL"
          value = "debug"
        }
        env {
          name  = "DD_LOGS_INJECTION"
          value = "true"
        }
        env {
          name  = "DD_HEALTH_PORT"
          value = "12345"
        }

        # Resource limits for the sidecar
        resources {
          limits = {
            memory = "512Mi"
            cpu    = "1"
          }
        }
      }
    }
  }

  # Define traffic splitting
  traffic {
    percent         = 100
    latest_revision = true
  }
}

# IAM Member to allow public access (optional, adjust as needed)
resource "google_cloud_run_service_iam_member" "invoker" {
  service  = google_cloud_run_service.terraform_with_sidecar.name
  location = google_cloud_run_service.terraform_with_sidecar.location
  role     = "roles/run.invoker"
  member   = "allUsers"
}

Suministra los valores de parámetro:

• <PROJECT_ID>: tu ID de proyecto de Google Cloud.
• <LOCATION>: la región en la que estás desplegando tu servicio. Por ejemplo, us-central1.
• <SERVICE_NAME>: un nombre para tu servicio. Por ejemplo, gcr-sidecar-test. Consulta Etiquetado de servicios unificado.
• <CONTAINER_IMAGE>: la imagen del código que estás desplegando en Cloud Run.
• <DATADOG_SITE>: tu sitio de Datadog, .
• <API_KEY>: tu clave de API de Datadog.
• <VERSION>: el número de versión de tu despliegue. Consulta Etiquetado de servicios unificado.

app.py

import ddtrace
from flask import Flask, render_template, request
import logging
from datadog import initialize, statsd

ddtrace.patch(logging=True)
app = Flask(__name__)
options = {
   'statsd_host':'127.0.0.1',
   'statsd_port':8125
}
FORMAT = ('%(asctime)s %(levelname)s [%(name)s] [%(filename)s:%(lineno)d] '
         '[dd.service=%(dd.service)s dd.env=%(dd.env)s dd.version=%(dd.version)s dd.trace_id=%(dd.trace_id)s dd.span_id=%(dd.span_id)s] '
         '- %(message)s')
logging.basicConfig(level=logging.DEBUG, filename='app.log', format=FORMAT)
logger = logging.getLogger(__name__)
logger.level = logging.INFO

ddlogs = []

@ddtrace.tracer.wrap(service="dd_gcp_log_forwader")
@app.route('/', methods=["GET"])
def index():
   log = request.args.get("log")
   if log != None:
       with tracer.trace('sending_logs') as span:
           statsd.increment('dd.gcp.logs.sent')
           span.set_tag('logs', 'nina')
           logger.info(log)
           ddlogs.append(log)
   return render_template("home.html", logs=ddlogs)

if __name__ == '__main__':
   tracer.configure(port=8126)
   initialize(**options)
   app.run(debug=True)

Home.html

<!DOCTYPE html>
<html lang="en">
<head>
   <meta charset="UTF-8">
   <meta http-equiv="X-UA-Compatible" content="IE=edge">
   <meta name="viewport" content="width=device-width, initial-scale=1.0">
   <title>Datadog Test</title>
</head>
<body>
   <h1>Welcome to Datadog!💜</h1>
   <form action="">
       <input type="text" name="log" placeholder="Enter Log">
       <button>Add Log</button>
   </form>
   <h3>Logs Sent to Datadog:</h3>
   <ul>
   {% for log in logs%}
       {% if log %}
       <li>{{ log }}</li>
       {% endif %}
   {% endfor %}
   </ul>
</body>
</html>