지금까지는 배포 사고나 성능 조사, 아키텍처 이야기를 기록했는데, 이번엔 조금 다르게 — 지금 이 순간 서비스가 실제로 어떻게 쓰이고 있는지를 숫자로 남겨두려 한다. 나중에 “그때보다 나아졌나”를 비교할 기준점이 필요해서 만든 프로덕트 대시보드의 스냅샷이다. 오늘의 핵심 지표 지표 ... Read More

1편에서 “trace_id 하나로 여러 서비스를 이어붙인다”고 정리했는데, 이번 편은 그게 실제로 어떻게 이어지는지 — 계측(instrumentation)의 원리를 다룬다. TL;DR 계측은 코드 곳곳에 미리 심어둔 “꼬리표 부착기”다 — 각 서비스 코드 안에 “지금 여기서 무슨 함수가 시... Read More

지금까지는 서버 쪽 관측(로그/메트릭/APM, AI Obs)을 봤는데, 이번 편은 유저 브라우저 안에서 벌어지는 일을 보는 RUM(Real User Monitoring)을 정리한다. 공식 문서(docs.datadoghq.com)를 대조해서 정확한 파라미터명까지 확인했다. TL;DR RUM은 React 등 ... Read More

지난 편에서 데이터독의 AI Obs가 LLM 호출을 관측·평가하는 기능이라는 걸 봤다. 이번 편은 LLM 전용 관측 툴인 랭퓨즈(Langfuse)와 비교했을 때 어떤 차이가 있는지 정리한다. TL;DR 랭퓨즈는 “LLM 전용 선수”, 데이터독은 “회사 전체를 보는 종합병원”에 가깝다. 인프라 관측과 LL... Read More

지난 편에서 로그·메트릭·트레이스·모니터·대시보드라는 데이터독의 기본 5대 개념을 봤다. 이번 편은 LLM(챗봇 등)을 쓰는 서비스에 특화된 AI Obs(AI Observability) 개념을 정리한다. TL;DR AI Obs는 LLM 호출을 일반 API 호출과 다르게 취급해서, “이 프롬프트가 이 답변을 ... Read More