Datadog APM 入門：アカウント作成・APIキー取得とエージェント設定ガイド

2026年6月18日

もっとスキルを活かしたいエンジニアへ

スポンサードリンク

働き方から選べる

無料で使えて良質な案件の情報収集ができるサービス

エンジニアの世界では、「いつでも動ける状態を作っておけ」とよく言われます。
技術やポートフォリオがあっても、自分に合う案件情報を日常的に見れていないと、いざ動こうと思った時に比較や判断が難しくなってしまいます。
普段から案件情報が集まる環境を作っておくと、良い案件が出た時にすぐ動きやすくなりますよ。
筆者自身も、メガベンチャー勤務時代に年収1,500万円を超えた経験があります。振り返ると、技術だけでなく「どんな案件や働き方があるか」を日頃から見ていたことが、キャリアの選択肢を広げるきっかけになりました。
このブログを読んでくれた方に感謝を込めて、実際に使っている情報収集サービスを紹介します。

フルリモート・週3日・高単価、どんな条件も妥協したくないなら

フリーランスボードに無料会員登録する

利用者10万人以上。業界最大規模45万件の案件。AIマッチ機能や無料の相場情報が人気。

年収800万円以上のキャリアアップ・ハイクラス正社員を視野に入れているなら

Beyond Careerに無料相談する

内定獲得率90%以上。紹介先企業とは役員クラスのコネクションがある安心と信頼できるエージェント。

Contents

1 1. Datadog アカウント作成と API キー取得手順
- 1.1 1‑1. アカウント登録の流れ
- 1.2 1‑2. API キーの確認方法
2 2. Datadog Agent のインストール（Linux・Docker・Kubernetes）
3 3. APM 有効化と必須環境変数の設定
4 4. 言語別トレースライブラリ導入手順
5 5. Docker / Kubernetes 環境向けベストプラクティスとエージェントサイドカー
- 5.1 5‑1. Docker デプロイ時の変数継承とポート設計
- 5.2 5‑2. Kubernetes における Sidecar と DaemonSet の選択基準
  - 5.2.1 Sidecar 設定例（アノテーション利用）
  - 5.2.2 DaemonSet 設定例（Helm values）
6 6. トレース確認方法とよくある障害・対処法
7 まとめ

スポンサードリンク

1. Datadog アカウント作成と API キー取得手順

Datadog の APM を利用する第一歩は、サービスに紐付く API キー を取得することです。このキーはエージェントや CI/CD パイプラインから Datadog へデータを送信するときに必須となります。

1‑1. アカウント登録の流れ

公式サイトへアクセス
https://www.datadoghq.com/ のトップページで「Start free trial」をクリックします。
メールアドレス・パスワードを入力
会社名や利用目的は任意ですが、後続の設定画面で自動補完が有効になるため正確に入力しておくと便利です。
メール認証
受信した認証リンクを開き、アカウントを有効化します。

1‑2. API キーの確認方法

ログイン後、左サイドメニューから Organization Settings → API Keys を選択。
「Create API key」ボタンを押し、キー名（例：apm-tracing-key）を入力して作成。
生成された文字列を コピー し、安全な場所に保存します。エージェント設定や CI/CD パイプラインで必ず使用してください。

重要：API キーは機密情報です。Git リポジトリや公開ディレクトリに絶対に置かないよう、シークレット管理ツール（例：AWS Secrets Manager、HashiCorp Vault）を併用しましょう。

2. Datadog Agent のインストール（Linux・Docker・Kubernetes）

APM データは Datadog Agent が受信し、Datadog に転送します。ここでは主要なデプロイ方法をそれぞれ解説します。

2‑1. Linux (apt / yum) でのインストール

Linux 系 OS（Ubuntu/Debian, RHEL/CentOS 等）向けの公式インストールスクリプトは、Datadog の GitHub リポジトリに常に最新バージョンが置かれています。以下のコマンドは 2024 年時点で推奨されている URL を使用しています。

# Debian/Ubuntu 系 (apt)
DD_AGENT_MAJOR_VERSION=7 DD_API_KEY=&lt;YOUR_API_KEY&gt; \
bash -c &quot;$(curl -L https://s3.amazonaws.com/dd-agent/scripts/install_script.sh)&quot;

# RHEL/CentOS 系 (yum)
DD_AGENT_MAJOR_VERSION=7 DD_API_KEY=&lt;YOUR_API_KEY&gt; \
bash -c &quot;$(curl -L https://s3.amazonaws.com/dd-agent/scripts/install_script.sh)&quot;

# Debian/Ubuntu 系 (apt)

DD_AGENT_MAJOR_VERSION=7 DD_API_KEY=<YOUR_API_KEY> \

bash -c "$(curl -L https://s3.amazonaws.com/dd-agent/scripts/install_script.sh)"

# RHEL/CentOS 系 (yum)

DD_AGENT_MAJOR_VERSION=7 DD_API_KEY=<YOUR_API_KEY> \

bash -c "$(curl -L https://s3.amazonaws.com/dd-agent/scripts/install_script.sh)"

ポイント：DD_AGENT_MAJOR_VERSION=7 を明示することで、v7 系エージェントがインストールされます。
確認方法：systemctl status datadog-agent で「active (running)」となっていれば正常に起動しています。

2‑2. Docker コンテナでエージェントを起動

コンテナ環境では公式イメージ datadog/agent:7 を使うのが最もシンプルです。以下は最低構成の例です。

docker run -d --name dd-agent \
  -e DD_API_KEY=&lt;YOUR_API_KEY&gt; \
  -e DD_APM_ENABLED=true \
  -p 8126:8126/tcp \
  datadog/agent:7

docker run -d --name dd-agent \

-e DD_API_KEY=<YOUR_API_KEY> \

-e DD_APM_ENABLED=true \

-p 8126:8126/tcp \

datadog/agent:7

-p 8126:8126 はホスト側からエージェントのトレース受信ポートを公開します。
環境変数は docker run -e、あるいは Docker Compose の environment: に記載してください。

2‑3. Kubernetes への Helm Chart デプロイ

Kubernetes クラスタでは公式 Helm chart が推奨されます。Chart は常に最新版が https://helm.datadoghq.com に公開されています。

# リポジトリ追加・更新
helm repo add datadog https://helm.datadoghq.com
helm repo update

# デプロイ例（Datadog Agent v7）
helm install dd-agent datadog/datadog \
  --set datadog.apiKey=&lt;YOUR_API_KEY&gt; \
  --set targetNamespace=default \
  --set apm.enabled=true \
  --set agents.image.tag=7

# リポジトリ追加・更新

helm repo add datadog https://helm.datadoghq.com

helm repo update

# デプロイ例（Datadog Agent v7）

helm install dd-agent datadog/datadog \

--set datadog.apiKey=<YOUR_API_KEY> \

--set targetNamespace=default \

--set apm.enabled=true \

--set agents.image.tag=7

values.yaml の抜粋

datadog:
  apiKey: &quot;&lt;YOUR_API_KEY&gt;&quot;
apm:
  enabled: true
agents:
  containers:
    - name: agent
      env:
        - name: DD_APM_ENABLED
          value: &quot;true&quot;

datadog:

apiKey: "<YOUR_API_KEY>"

apm:

enabled: true

agents:

containers:

- name: agent

env:

- name: DD_APM_ENABLED

value: "true"

DaemonSet パターンと Sidecar パターンのどちらでも利用可能です。大規模クラスターでは DaemonSet が管理負荷を低減します。

3. APM 有効化と必須環境変数の設定

エージェントだけでなく、アプリケーション側にもいくつかの環境変数が必要です。ここでは代表的な変数と正しい書式・範囲をまとめます。

3‑1. APM を有効にする基本フラグ

環境変数	必須/任意	説明
`DD_APM_ENABLED`	必須	`"true"` に設定するとエージェントがポート 8126 でトレースを受信します。

注意：DD_APM_ENABLED は大文字・全て英数字で記述し、値は文字列 "true"（または true）です。

3‑2. サービス情報系変数

環境変数	説明	設定例
`DD_SERVICE`	アプリケーションのサービス名（必須）	`my-web-app`
`DD_ENV`	デプロイ環境（prod, staging, dev 等）	`production`
`DD_VERSION`	バージョンタグ（Git SHA、リリース番号等）	`v1.2.3`

3‑3. トレースサンプリング率

公式ドキュメントで定義されている変数は DD_TRACE_SAMPLE_RATE です。0〜1 の小数で指定し、デフォルトは 1.0（全トレース）となります。

環境変数	有効範囲	設定例
`DD_TRACE_SAMPLE_RATE`	0.0〜1.0 の実数	`0.5` （50% サンプリング）

障害例と対処法

誤った変数名：DD_APM_SAMPLE_RATE=2 と設定するとエージェントは無視し、トレースが送信されません。
修正：DD_TRACE_SAMPLE_RATE=0.5 のように小数で再設定し、Agent 再起動またはコンテナ再デプロイを行います。

3‑4. .env ファイル例

DD_SERVICE=my-web-app
DD_ENV=production
DD_VERSION=v1.2.3
DD_APM_ENABLED=true
DD_TRACE_SAMPLE_RATE=0.5

DD_SERVICE=my-web-app

DD_ENV=production

DD_VERSION=v1.2.3

DD_APM_ENABLED=true

DD_TRACE_SAMPLE_RATE=0.5

Dockerfile での継承は次のように記述します。

ENV DD_SERVICE=my-web-app \
    DD_ENV=production \
    DD_VERSION=v1.2.3 \
    DD_APM_ENABLED=true \
    DD_TRACE_SAMPLE_RATE=0.5

ENV DD_SERVICE=my-web-app \

DD_ENV=production \

DD_VERSION=v1.2.3 \

DD_APM_ENABLED=true \

DD_TRACE_SAMPLE_RATE=0.5

4. 言語別トレースライブラリ導入手順

以下は主要言語（Java、Python、Node.js）における最小構成のインストール・設定例です。全て公式ドキュメント（https://docs.datadoghq.com/ja/tracing/）に準拠しています。

4‑1. Java (`-javaagent`)

Java アプリは起動オプションに Datadog Java Agent を追加するだけで自動インスツルメントが有効になります。

# エージェント JAR の取得（公式リポジトリから直接ダウンロード）
curl -L https://github.com/DataDog/dd-trace-java/releases/latest/download/dd-java-agent.jar \
    -o /opt/datadog/dd-java-agent.jar

# アプリ起動例
java -javaagent:/opt/datadog/dd-java-agent.jar \
     -Ddd.service=my-java-app \
     -Ddd.env=production \
     -Ddd.version=v1.2.3 \
     -jar myapp.jar

# エージェント JAR の取得（公式リポジトリから直接ダウンロード）

curl -L https://github.com/DataDog/dd-trace-java/releases/latest/download/dd-java-agent.jar \

-o /opt/datadog/dd-java-agent.jar

# アプリ起動例

java -javaagent:/opt/datadog/dd-java-agent.jar \

-Ddd.service=my-java-app \

-Ddd.env=production \

-Ddd.version=v1.2.3 \

-jar myapp.jar

-Ddd.* 系プロパティは環境変数と同等に扱われます。
必要に応じて DD_TRACE_SAMPLE_RATE も JVM オプションで上書き可能です。

4‑2. Python (`ddtrace`)

Python 用 SDK は pip でインストールし、ラッパーコマンド ddtrace-run を使うだけでトレースが開始します。

# ライブラリのインストール
pip install ddtrace

# 必要な環境変数を設定（.env 推奨）
export DD_SERVICE=my-python-app
export DD_ENV=production
export DD_TRACE_SAMPLE_RATE=0.75   # 75% サンプリング

# アプリ起動
ddtrace-run python app.py

# ライブラリのインストール

pip install ddtrace

# 必要な環境変数を設定（.env 推奨）

export DD_SERVICE=my-python-app

export DD_ENV=production

export DD_TRACE_SAMPLE_RATE=0.75 # 75% サンプリング

# アプリ起動

ddtrace-run python app.py

Flask や Django は自動的にインスツルメントされます。
DD_TRACE_ENABLED が省略された場合はデフォルトで有効です。

4‑3. Node.js (`dd-trace`)

Node.js 用 SDK はコード内で一度だけ初期化すれば、HTTP リクエストや主要な DB クライアントを自動計測します。

# パッケージインストール
npm install dd-trace --save

# アプリ起動スクリプト例 (app.js)
require('dd-trace').init({
  service: 'my-node-app',
  env: 'production',
  version: 'v1.0.0',
  // 環境変数で上書き可能
});

const express = require('express');
const app = express();
app.get('/', (req, res) =&gt; res.send('Hello Datadog'));
app.listen(3000);

# パッケージインストール

npm install dd-trace --save

# アプリ起動スクリプト例 (app.js)

require('dd-trace').init({

service: 'my-node-app',

env: 'production',

version: 'v1.0.0',

// 環境変数で上書き可能

});

const express = require('express');

const app = express();

app.get('/', (req, res) => res.send('Hello Datadog'));

app.listen(3000);

DD_TRACE_SAMPLE_RATE を環境変数で設定すれば、コード変更なしでサンプリング率を調整できます。

5. Docker / Kubernetes 環境向けベストプラクティスとエージェントサイドカー

コンテナ化されたサービスでは 通信経路の可視化 と 設定の一元管理 が鍵になります。以下に実務で推奨されるパターンをまとめました。

5‑1. Docker デプロイ時の変数継承とポート設計

Docker Compose の例です。アプリコンテナはエージェントコンテナと同一ネットワークに配置し、DD_AGENT_HOST でエージェントのホスト名を指します。

version: '3.8'
services:
  app:
    image: myapp:latest
    environment:
      - DD_SERVICE=my-app
      - DD_ENV=production
      - DD_AGENT_HOST=datadog-agent   # エージェントコンテナのサービス名
    depends_on:
      - datadog-agent

  datadog-agent:
    image: datadog/agent:7
    environment:
      - DD_API_KEY=${DD_API_KEY}
      - DD_APM_ENABLED=true
    ports:
      - &quot;8126:8126&quot;   # デバッグが必要なときだけ公開

version: '3.8'

services:

app:

image: myapp:latest

environment:

- DD_SERVICE=my-app

- DD_ENV=production

- DD_AGENT_HOST=datadog-agent # エージェントコンテナのサービス名

depends_on:

- datadog-agent

datadog-agent:

image: datadog/agent:7

environment:

- DD_API_KEY=${DD_API_KEY}

- DD_APM_ENABLED=true

ports:

- "8126:8126" # デバッグが必要なときだけ公開

ベストプラクティス：ポート 8126 の外部公開は最低限に抑え、内部ネットワークだけで通信させることでセキュリティリスクを低減します。

5‑2. Kubernetes における Sidecar と DaemonSet の選択基準

パターン	特徴	推奨シーン
Sidecar	各 Pod にエージェントコンテナを同梱。Pod 単位で設定可能。	マルチテナントクラスター、Pod ごとに異なる API キーが必要な場合
DaemonSet	ノード単位でエージェントをデプロイ。一括管理が容易。	大規模クラスタ、リソース共有が前提の場合

Sidecar 設定例（アノテーション利用）

apiVersion: v1
kind: Pod
metadata:
  name: my-app-pod
  annotations:
    ad.datadoghq.com/my-app.service-name: &quot;my-app&quot;
    ad.datadoghq.com/my-app.env: &quot;production&quot;
spec:
  containers:
    - name: my-app
      image: myapp:latest
    - name: datadog-agent
      image: datadog/agent:7
      env:
        - name: DD_API_KEY
          valueFrom:
            secretKeyRef:
              name: datadog-secret
              key: api-key
        - name: DD_APM_ENABLED
          value: &quot;true&quot;

apiVersion: v1

kind: Pod

metadata:

name: my-app-pod

annotations:

ad.datadoghq.com/my-app.service-name: "my-app"

ad.datadoghq.com/my-app.env: "production"

spec:

containers:

- name: my-app

image: myapp:latest

- name: datadog-agent

image: datadog/agent:7

env:

- name: DD_API_KEY

valueFrom:

secretKeyRef:

name: datadog-secret

key: api-key

- name: DD_APM_ENABLED

value: "true"

DaemonSet 設定例（Helm values）

datadog:
  apiKeyExistingSecret: datadog-secret   # Secret 名は事前に作成
apm:
  enabled: true
agents:
  containerCollectAll: true   # 必要なら有効化

datadog:

apiKeyExistingSecret: datadog-secret # Secret 名は事前に作成

apm:

enabled: true

agents:

containerCollectAll: true # 必要なら有効化

ポイント：Kubernetes の自動インスツルメントは ad.datadoghq.com/* アノテーションでサービス名や環境を付与でき、コード修正なしでトレースが取得できます。

6. トレース確認方法とよくある障害・対処法

設定完了後は Datadog UI で実際にトレースが届いているか検証します。ここでは確認手順と代表的な障害シナリオをまとめました。

6‑1. Datadog UI での APM ダッシュボード確認手順

左サイドメニュー → APM → Services を開く。
作成した DD_SERVICE が一覧に表示されていることを確認する。
該当サービス名をクリックし、Traces タブで最近のトレースが可視化できれば成功です。

エージェント状態の確認：トレースが見えない場合は Infrastructure → Agent へ移動し、対象ノードの「APM」ステータスが OK かどうかをチェックします。以前記載されていた「APM > Infrastructure > Agent Checks」は UI の変更に伴い正しくありません。

6‑2. 典型的な障害と対処法

障害例	主な原因	修正手順
8126 ポートが閉塞	エージェント未起動、もしくはファイアウォール／NetworkPolicy が遮断	`systemctl status datadog-agent` でエージェント状態確認。K8s の場合は NetworkPolicy に `port: 8126` を許可
サンプリング率設定ミス (`DD_APM_SAMPLE_RATE=2`)	変数名が誤り、かつ範囲外の数値を指定	正しい変数 `DD_TRACE_SAMPLE_RATE=0.5`（0〜1）に修正し、エージェント/コンテナ再起動
環境変数の大小文字不一致 (`dd_service` vs `DD_SERVICE`)	Datadog は大文字のみ認識	`.env`, Dockerfile, Helm values すべてで大文字統一。
エージェントが旧バージョン (v6)	v7 未満では APM が無効化	`apt-get install datadog-agent=7.*`、または公式インストールスクリプトを再実行して v7 へアップグレード
API キーが間違っている	シークレット管理ミスや変数展開エラー	正しいキーを `DD_API_KEY` に設定し、環境変数の参照方法（`${DD_API_KEY}` vs `$DD_API_KEY`）を確認

6‑3. 障害発生時のトラブルシューティング手順

エージェントログ確認
bash journalctl -u datadog-agent -f | grep -i apm
ネットワーク疎通テスト（Docker/K8s）
bash curl -v http://localhost:8126/status # 正常なら {"status":"ok"}
環境変数一覧の再確認
bash env | grep DD_
Datadog UI の「Agent Checks」タブでエラーメッセージを取得（最新 UI は Infrastructure → Agent）。

まとめ

アカウント作成 → API キー取得 → エージェント導入 が APM 設定の基本フローです。
環境変数はすべて大文字で統一し、DD_TRACE_SAMPLE_RATE（0〜1）を正しく設定してください。
Linux・Docker・Kubernetes それぞれに最適なインストール手順とベストプラクティスがあります。特に Kubernetes では Sidecar と DaemonSet の選択が運用コストに直結します。
トレースの可視化は APM → Services で確認し、エージェント状態は Infrastructure → Agent でチェックしてください。
障害が起きたらログ・ポート・環境変数を順に検証すれば多くの場合即座に解決できます。

このガイドに沿って設定すれば、Datadog APM の導入・運用がスムーズに進むはずです。質問や独自の構成要件がある場合は公式ドキュメント（https://docs.datadoghq.com/ja/tracing/）を随時参照してください。

スポンサードリンク

もっとスキルを活かしたいエンジニアへ

スポンサードリンク

働き方から選べる

無料で使えて良質な案件の情報収集ができるサービス

フルリモート・週3日・高単価、どんな条件も妥協したくないなら

フリーランスボードに無料会員登録する

利用者10万人以上。業界最大規模45万件の案件。AIマッチ機能や無料の相場情報が人気。

年収800万円以上のキャリアアップ・ハイクラス正社員を視野に入れているなら

Beyond Careerに無料相談する

内定獲得率90%以上。紹介先企業とは役員クラスのコネクションがある安心と信頼できるエージェント。

-Datadog

comment コメントをキャンセル

: Datadog

Datadogで可観測性ダッシュボードをカスタマイズする方法

可観測性ダッシュボードの重要性とDatadogのカスタマイズ価値を解説。業界事例・実践手順・視覚化テクニックまで網羅。

: Datadog

Datadogアラート設定の基礎｜初心者向けガイド

Datadogアラートの基本から応用まで。メトリクス選定、しきい値設定、通知連携、誤検知対策を初心者向けに解説します。

: Datadog

Datadog APM & ログ料金比較｜用途別プラン選定ガイド

DatadogのAPMとログ監視機能の価格モデルを用途別に比較。小規模チーム向けプランや大規模運用のコスト構造、他社製品との比較まで解説します。

: Datadog

Datadog AIアラート導入ガイドと最適設定方法

DevOpsエンジニア向けに、Datadog AIアラートの導入意義・基本概念・推奨設定・構成フローなどを詳細解説。動的しきい値調整やデフォルトダッシュボード活用法を紹介。

: Datadog

Datadog料金体系とコスト削減方法（2026年版）

Datadogの最新料金体系（2026年）と、ホスト・APM・ログ・Lambdaの従量課金を踏まえた実践的なコスト削減手法を解説します。

Todoist Business Plan 2026: AI & Real-Time Collaboration Features

Duolingo for Schoolsの活用法｜教育現場向け導入ガイド

Datadog APM 入門：アカウント作成・APIキー取得とエージェント設定ガイド

1. Datadog アカウント作成と API キー取得手順

1‑1. アカウント登録の流れ

1‑2. API キーの確認方法

2. Datadog Agent のインストール（Linux・Docker・Kubernetes）

2‑1. Linux (apt / yum) でのインストール

2‑2. Docker コンテナでエージェントを起動

2‑3. Kubernetes への Helm Chart デプロイ

3. APM 有効化と必須環境変数の設定

3‑1. APM を有効にする基本フラグ

3‑2. サービス情報系変数

3‑3. トレースサンプリング率

障害例と対処法

3‑4. .env ファイル例

4. 言語別トレースライブラリ導入手順

4‑1. Java (-javaagent)

4‑2. Python (ddtrace)

4‑3. Node.js (dd-trace)

5. Docker / Kubernetes 環境向けベストプラクティスとエージェントサイドカー

5‑1. Docker デプロイ時の変数継承とポート設計

5‑2. Kubernetes における Sidecar と DaemonSet の選択基準

Sidecar 設定例（アノテーション利用）

DaemonSet 設定例（Helm values）

6. トレース確認方法とよくある障害・対処法

6‑1. Datadog UI での APM ダッシュボード確認手順

6‑2. 典型的な障害と対処法

6‑3. 障害発生時のトラブルシューティング手順

まとめ

4‑1. Java (`-javaagent`)

4‑2. Python (`ddtrace`)

4‑3. Node.js (`dd-trace`)