+El Agent siempre inicia el tráfico hacia Datadog. Nunca se inician sesiones desde Datadog hacia el Agent.
+
+
+Todo el tráfico del Agent se envía a través de SSL. El destino depende del sitio y servicio de Datadog. Para ver los destinos basados en tu [sitio de Datadog][11], haz clic en el selector `DATADOG SITE` de la derecha.
+
+## Instalación
+
+Añade los siguientes dominios a tu lista de inclusión para permitir la instalación del Agent:
+
+- `install.datadoghq.com`
+- `yum.datadoghq.com`
+- `keys.datadoghq.com`
+- `apt.datadoghq.com`
+
+## Destinos
+
+[APM][1]
+: `trace.agent.`{{< region-param key="dd_site" code="true" >}}+`instrumentation-telemetry-intake.`{{< region-param key="dd_site" code="true" >}} + +[LLM Observabilty][23] +: `llmobs-intake.`{{< region-param key="dd_site" code="true" >}} + +[Imágenes de contenedor][13] +: `contimage-intake.`{{< region-param key="dd_site" code="true" >}} + +[Live Containers][3], [Live Process][4], [Monitorización de red en la nube][24], [Universal Service Monitoring][25] +: `process.`{{< region-param key="dd_site" code="true" >}} + +[Monitorización de dispositivos de red][10] +: `ndm-intake.`{{< region-param key="dd_site" code="true" >}}
+`snmp-traps-intake.`{{< region-param key="dd_site" code="true" >}}
+`ndmflow-intake.`{{< region-param key="dd_site" code="true" >}} + +[Network Path][14] +: `netpath-intake.`{{< region-param key="dd_site" code="true" >}} + +[Orquestador][5] +: `orchestrator.`{{< region-param key="dd_site" code="true" >}}
+`contlcycle-intake.`{{< region-param key="dd_site" code="true" >}} + +[Generación de perfiles][7] +: `intake.profile.`{{< region-param key="dd_site" code="true" >}} + +[Real User Monitoring (RUM)][6] +: {{< region-param key="browser_sdk_endpoint_domain" code="true" >}} + +[Localizaciones privadas de la monitorización Synthetic][8] +: Synthetics Worker v1.5.0 o posteriores: `intake.synthetics.`{{< region-param key="dd_site" code="true" >}} es el único endpoint que necesitas configurar.
+Resultados de la prueba de API para las versiones de Synthetics Worker superiores a la 0.1.6: `intake.synthetics.`{{< region-param key="dd_site" code="true" >}}
+Resultados de la prueba del navegador para las versiones de Synthetics Worker superiores a la 0.2.0: `intake-v2.synthetics.`{{< region-param key="dd_site" code="true" >}}
+Resultados de la prueba de API para las versiones de Synthetics Worker anteriores a la 0.1.5: `api.`{{< region-param key="dd_site" code="true" >}} + +{{% site-region region="us,eu,us3,us5,ap1,ap2" %}} + +[Configuración remota][101] +: `config.`{{< region-param key="dd_site" code="true" >}} + +[Monitorización de base de datos][102] +: `dbm-metrics-intake.`{{< region-param key="dd_site" code="true" >}}
+`dbquery-intake.`{{< region-param key="dd_site" code="true" >}} + +[101]: /es/agent/remote_config +[102]: /es/database_monitoring/ + +{{% /site-region %}} + +{{% site-region region="us" %}} +[Logs][200] y [logs de HIPAA][201] +: TCP: `agent-intake.logs.datadoghq.com`
+HTTP: `agent-http-intake.logs.datadoghq.com`
+Otros: consulta los [endpoints para logs][203] + +[Logs heredados de HIPAA][201] +: `tcp-encrypted-intake.logs.datadoghq.com`
+`lambda-tcp-encrypted-intake.logs.datadoghq.com`
+`gcp-encrypted-intake.logs.datadoghq.com`
+`http-encrypted-intake.logs.datadoghq.com` + +[200]: /es/logs/ +[201]: /es/data_security/logs/#hipaa-enabled-customers +[203]: /es/logs/log_collection/#logging-endpoints +{{% /site-region %}} + +{{% site-region region="eu" %}} +[Logs][200] y [logs de HIPAA][201] +: TCP: `agent-intake.logs.datadoghq.eu`
+HTTP: `agent-http-intake.logs.datadoghq.eu`
+Otros: consulta los [endpoints para logs][202] + +[Logs heredados de HIPAA][201] +: `tcp-encrypted-intake.logs.datadoghq.eu`
+`lambda-tcp-encrypted-intake.logs.datadoghq.eu`
+`gcp-encrypted-intake.logs.datadoghq.eu`
+`http-encrypted-intake.logs.datadoghq.eu` + +[200]: /es/logs/ +[201]: /es/data_security/logs/#hipaa-enabled-customers +[202]: /es/logs/log_collection/#logging-endpoints +{{% /site-region %}} + +{{% site-region region="us3" %}} +[Logs][200] y [logs de HIPAA][201] +: HTTP: `agent-http-intake.logs.us3.datadoghq.com`
+Otros: consulta los [endpoints para logs][202] + +[Logs heredados de HIPAA][201] +: `lambda-tcp-encrypted-intake.logs.us3.datadoghq.com`
+`gcp-encrypted-intake.logs.us3.datadoghq.com`
+`http-encrypted-intake.logs.us3.datadoghq.com` + +[200]: /es/logs/ +[201]: /es/data_security/logs/#hipaa-enabled-customers +[202]: /es/logs/log_collection/#logging-endpoints +{{% /site-region %}} + +{{% site-region region="us5" %}} +[Logs][200] y [logs de HIPAA][201] +: HTTP: `agent-http-intake.logs.us5.datadoghq.com`
+Otros: consulta los [endpoints para logs][202] + +[Logs heredados de HIPAA][201] +: `lambda-tcp-encrypted-intake.logs.us5.datadoghq.com`
+`gcp-encrypted-intake.logs.us5.datadoghq.com`
+`http-encrypted-intake.logs.us5.datadoghq.com` + +[200]: /es/logs/ +[201]: /es/data_security/logs/#hipaa-enabled-customers +[202]: /es/logs/log_collection/#logging-endpoints +{{% /site-region %}} + +{{% site-region region="ap1" %}} +[Logs][200] y [Logs de HIPAA][201] +: HTTP: `agent-http-intake.logs.ap1.datadoghq.com`
+Otros: Consulta [endpoints de logs][202] + +[200]: /es/logs/ +[201]: /es/data_security/logs/#hipaa-enabled-customers +[202]: /es/logs/log_collection/#logging-endpoints +{{% /site-region %}} + +{{% site-region region="ap2" %}} +[Logs][200] y [Logs de HIPAA][201] +: HTTP: `agent-http-intake.logs.ap2.datadoghq.com`
+Otros: Consulta [endpoints de logs][202] + +[200]: /es/logs/ +[201]: /es/data_security/logs/#hipaa-enabled-customers +[202]: /es/logs/log_collection/#logging-endpoints +{{% /site-region %}} + +{{% site-region region="gov" %}} +[Logs][200] y [logs de HIPAA][201] +: HTTP: `agent-http-intake.logs.ddog-gov.com`
+Otros: consulta los [endpoints para logs][202] + +[Logs heredados de HIPAA][201] +: `lambda-tcp-encrypted-intake.logs.ddog-gov.com`
+`gcp-encrypted-intake.logs.ddog-gov.com`
+`http-encrypted-intake.logs.ddog-gov.com` + +[200]: /es/logs/ +[201]: /es/data_security/logs/#hipaa-enabled-customers +[202]: /es/logs/log_collection/#logging-endpoints +{{% /site-region %}} + +[Métricas][26], [Checks de servicio][27], [Eventos][28] y otros metadatos del Agent +: `
+Por ejemplo, el Agent v7.31.0 informa a `7-31-0-app.agent.`{{< region-param key="dd_site" code="true" >}}. Debes añadir `*.agent.`{{< region-param key="dd_site" code="true" >}} a tu lista de inclusión en tu(s) firewall(s).
+Desde la versión 6.1.0, el Agent también consulta la API de Datadog para proporcionar funciones no críticas (por ejemplo, mostrar la validez de la clave de la API configurada):
+Agent v7.18.0 o 6.18.0 y posteriores: `api.`{{< region-param key="dd_site" code="true" >}}
+Agent < v7.18.0 o 6.18.0: `app.`{{< region-param key="dd_site" code="true" >}} + +[Flare del Agent][12] +: `
+Por ejemplo, la versión 7.31.0 del Agent envía datos de flare a `7-31-0-flare.agent.`{{< region-param key="dd_site" code="true" >}}. Debes añadir `*.agent.`{{< region-param key="dd_site" code="true" >}} a la lista de inclusión en tus firewalls.
+ +### Direcciones IP estáticas + +Todos estos dominios son registros **CNAME** que apuntan a un conjunto de direcciones IP estáticas. Puedes encontrar estas direcciones en `https://ip-ranges.`{{< region-param key="dd_site" code="true" >}}. + +La información se estructura como JSON siguiendo este esquema: + +{{< code-block lang="text" disable_copy="true" >}} +{ + "version": 1, // <-- se incrementa cada vez que se modifica esta información + "modified": "YYYY-MM-DD-HH-MM-SS", // <-- fecha y hora de la última modificación + "agents": { // <-- las IP utilizadas por el Agent para enviar métricas a Datadog + "prefixes_ipv4": [ // <-- lista de bloques CIDR IPv4 + "a.b.c.d/x", + ... + ], + "prefixes_ipv6": [ // <-- lista de bloques CIDR IPv6 + ... + ] + }, + "api": {...}, // <-- las IP utilizadas por el Agent para funciones no críticas (consulta de información desde la API). + "apm": {...}, // <-- las IP utilizadas por el Agent para enviar datos de APM a Datadog + "logs": {...}, // <-- las IP utilizadas por el Agent para enviar los logs a Datadog + "process": {...}, // <-- las IP utilizadas por el Agent para enviar datos de proceso a Datadog + "orchestrator": {...}, // <-- las IP utilizadas por el Agent para enviar datos del contenedor a Datadog + "remote-configuration": {...}, // <-- las IP utilizadas por el Agent para recuperar su configuración dinámica + "synthetics": {...}, // <-- las IP de source (fuente) utilizadas por los trabajadores de Synthetic (no utilizadas por el Agent) + "synthetics-private-locations": {...}, // <-- las IP utilizadas por los trabajadores de Synthetics Private Locations para enviar datos a Datadog (no utilizadas por el Agent) + "webhooks": {...} // <-- las IP de source (fuente) utilizadas por Datadog para conectarse a infraestructuras de terceros a través de HTTP (no utilizadas por el Agent) +} +{{< /code-block >}} + +Cada sección tiene un endpoint específico. Por ejemplo: + +- `https://ip-ranges.{{< region-param key="dd_site" >}}/logs.json` para las IPs utilizadas para recibir datos de logs a través de TCP. +- `https://ip-ranges.{{< region-param key="dd_site" >}}/apm.json` para las IPs utilizadas para recibir datos de APM. + +### Inclusión + +Añade todos los `ip-ranges` a tu lista de inclusión. Aunque solo un subconjunto esté activo en un momento dado, con el paso del tiempo se producen variaciones en el conjunto debido al funcionamiento y mantenimiento regulares de la red. + +## Puertos abiertos + +
+Todo el tráfico saliente se envía a través de SSL por TCP o UDP.
+
+Utiliza una regla de cortafuegos, o una restricción de red similar, para asegurarte de que el Agent solo es accesible para tus aplicaciones o fuentes de red de confianza. Si se accede a él desde una fuente no fiable, los agentes maliciosos pueden realizar diversas acciones invasivas, entre las que se incluyen escribir trazas y métricas en tu cuenta de Datadog u obtener información sobre tu configuración y servicios. +
+
+Abre los siguientes puertos para beneficiarte de todas las funcionalidades del **Agent**:
+
+#### Salida
+
+{{% site-region region="us" %}}
+
+| Producto/Función | Puerto | Protocolo | Descripción |
+| ------ | ---- | ------- | ----------- |
+| Agent+Utiliza una regla de cortafuegos, o una restricción de red similar, para asegurarte de que el Agent solo es accesible para tus aplicaciones o fuentes de red de confianza. Si se accede a él desde una fuente no fiable, los agentes maliciosos pueden realizar diversas acciones invasivas, entre las que se incluyen escribir trazas y métricas en tu cuenta de Datadog u obtener información sobre tu configuración y servicios. +
APM
Contenedores
Procesos activos
Métricas
Monitorización de redes en la nube
Universal Service Monitoring | 443 | TCP | La mayoría de los datos del Agent utilizan el puerto 443. | +| [Autoescala personalizada del Agent][22] | 8443 | TCP | | +| Recopilación de logs | 10516 | TCP | Registro a través de TCP. Consulta [endpoints de logs][21] para otros tipos de connection (conexión). | +| NTP | 123 | UDP | Protocolo de tiempo de red (NTP). Consulta [Destinos NTP predeterminados][20].
Para obtener información sobre la solución de problemas NTP, consulta [Problemas NTP][19]. | + +[19]: /es/agent/faq/network-time-protocol-ntp-offset-issues/ +[20]: /es/integrations/ntp/#overview +[21]: /es/logs/log_collection/#logging-endpoints +[22]: /es/containers/guide/cluster_agent_autoscaling_metrics + +{{% /site-region %}} + +{{% site-region region="eu" %}} + +| Producto/Función | Puerto | Protocolo | Descripción | +| ------ | ---- | ------- | ----------- | +| Agent
APM
Contenedores
Procesos activos
Métricas
Monitorización de redes en la nube
Universal Service Monitoring | 443 | TCP | La mayoría de los datos del Agent utilizan el puerto 443. | +| [Autoescala personalizada del Agent][22] | 8443 | TCP | | +| Recopilación de logs | 443 | TCP | Registro a través de TCP. Consulta [endpoints de logs][21] para otros tipos de connection (conexión). | +| NTP | 123 | UDP | Protocolo de tiempo de red (NTP). Consulta [Destinos NTP predeterminados][20].
Para obtener información sobre la solución de problemas NTP, consulta [Problemas NTP][19]. | + +[19]: /es/agent/faq/network-time-protocol-ntp-offset-issues/ +[20]: /es/integrations/ntp/#overview +[21]: /es/logs/log_collection/#logging-endpoints +[22]: /es/containers/guide/cluster_agent_autoscaling_metrics + +{{% /site-region %}} + +{{% site-region region="us3,us5,gov,ap1,ap2" %}} + +| Producto/Función | Puerto | Protocolo | Descripción | +| ------ | ---- | ------- | ----------- | +| Agent
APM
Contenedores
Procesos activos
Métricas
Monitorización de redes en la nube
Universal Service Monitoring | 443 | TCP | La mayoría de los datos del Agent utilizan el puerto 443. | +| NTP | 123 | UDP | Protocolo de tiempo de red (NTP). Consulta [Destinos NTP predeterminados][20].
Para obtener información sobre la solución de problemas NTP, consulta [Problemas NTP][19]. | + +[19]: /es/agent/faq/network-time-protocol-ntp-offset-issues/ +[20]: /es/integrations/ntp/#overview + +{{% /site-region %}} + +#### Entrada + +Solo se utiliza para los servicios del Agent que se comunican entre sí de manera local dentro del host. + +| Producto/Función | Puerto | Protocolo | Descripción | +| ------ | ---- | ------- | ----------- | +| [GUI de navegador del Agent][16] | 5002 | TCP | | +| Receptor de APM | 8126 | TCP | Incluye el rastreo y el generador de perfiles. | +| [DogStatsD][18] | 8125 | UDP | Puerto para DogStatsD a menos que `dogstatsd_non_local_traffic` esté configurado como true. Este puerto está disponible en IPv4 localhost: `127.0.0.1`. | +| servidor de go_expvar (APM) | 5012 | TCP | Para obtener más información, consulta [la documentación de integración de go_expar][15]. | +| servidor de integración de go_expvar | 5000 | TCP | Para obtener más información, consulta [la documentación de integración de go_expar][15]. | +| API DE LA IPC | 5001 | TCP | Puerto utilizado para la comunicación entre procesos (IPC). | +| Depuración del Agent del proceso | 6062 | TCP | Endpoints de depuración para el Agent del proceso. | +| Tiempo de ejecución del Agent del proceso | 6162 | TCP | Parámetros de configuración del tiempo de ejecución para el Agent del proceso. | + +## Configurar puertos + +Si necesitas cambiar un puerto de entrada, porque el puerto predeterminado ya lo utiliza un servicio existente en tu red, edita el archivo de configuración `datadog.yaml`. Puedes encontrar la mayoría de los puertos en la sección **Configuración avanzada** del archivo: + +{{< code-block lang="yaml" filename="datadog.yaml" disable_copy="true" collapsible="true" >}} +## @param expvar_port - integer - optional - default: 5000 +## @env DD_EXPVAR_PORT - integer - optional - default: 5000 +## El puerto para el servidor go_expvar. +# +# expvar_port: 5000 + +## @param cmd_port - integer - optional - default: 5001 +## @env DD_CMD_PORT - integer - optional - default: 5001 +## El puerto en el que escucha la API IPC. +# +# cmd_port: 5001 + +## @param GUI_port - integer - optional +## @env DD_GUI_PORT - integer - optional +## El puerto al que sirve la GUI del navegador. +## El parámetro 'GUI_port: -1' desactiva completamente la GUI +## De forma predeterminada es: +## * Windows y macOS : `5002` +## * Linux: `-1` +## +# +# GUI_port:
Si modificas aquí el valor del puerto DogStatsD o del puerto del receptor de APM, también deberás cambiar la configuración de la biblioteca de rastreo de APM para el puerto correspondiente. Consulta la información sobre cómo configurar puertos en los documentos de configuración de bibliotecas disponibles en tu idioma.
+
+## Utilizar proxies
+
+Para obtener una guía de configuración detallada sobre la configuración del proxy, consulta la página: [Configuración del proxy del Agent][9].
+
+## Almacenamiento de datos en búfer
+
+Si la red deja de estar disponible, el Agent almacena las métricas en la memoria.
+El uso máximo de la memoria para almacenar las métricas se define en el parámetro de configuración `forwarder_retry_queue_payloads_max_size`. Cuando se alcanza este límite, las métricas se eliminan.
+
+La versión 7.27.0 (o posterior) del Agent almacena las métricas en disco cuando se alcanza el límite de la memoria. Habilita esta función al establecer `forwarder_storage_max_size_in_bytes` como un valor positivo que indique el tamaño máximo de espacio de almacenamiento, en bytes, que el Agent puede utilizar para almacenar las métricas en disco.
+
+Las métricas se almacenan en la carpeta que define el parámetro `forwarder_storage_path`. Por defecto, en los sistemas Unix es`/opt/datadog-agent/run/transactions_to_retry` y en Windows `C:\ProgramData\Datadog\run\transactions_to_retry`.
+
+Para evitar que se agote el espacio de almacenamiento, el Agent almacena las métricas en el disco sólo si el espacio de almacenamiento total utilizado es inferior al 80 %. Este límite se define mediante la configuración de `forwarder_storage_max_disk_ratio`.
+
+## Instalación del Datadog Operator
+
+Si estás instalando el Datadog Operator en un entorno Kubernetes con conectividad limitada, debes permitir los siguientes endpoints para el puerto TCP 443, en función de tu ubicación:
+
+- `gcr.io/datadoghq` (GCR US)
+- `eu.gcr.io/datadoghq` (IGC Europa)
+- `asia.gcr.io/datadoghq` (IGC Asia)
+- `datadoghq.azurecr.io` (Azure)
+- `public.ecr.aws/datadog` (AWS)
+- `docker.io/datadog` (DockerHub)
+
+
+## Referencias adicionales
+
+{{< partial name="whats-next/whats-next.html" >}}
+
+[1]: /es/tracing/
+[2]: /es/database_monitoring/
+[3]: /es/infrastructure/livecontainers/
+[4]: /es/infrastructure/process/
+[5]: /es/infrastructure/containers/#kubernetes-orchestrator-explorer
+[6]: /es/real_user_monitoring/
+[7]: /es/profiler/
+[8]: /es/synthetics/private_locations
+[9]: /es/agent/configuration/proxy/
+[10]: /es/network_monitoring/devices
+[11]: /es/getting_started/site/
+[12]: /es/agent/troubleshooting/send_a_flare
+[13]: /es/infrastructure/containers/container_images
+[14]: /es/network_monitoring/network_path/
+[15]: /es/integrations/go_expvar/
+[16]: /es/agent/basic_agent_usage/#gui
+[17]: /es/tracing/
+[18]: /es/developers/dogstatsd/
+[19]: /es/agent/faq/network-time-protocol-ntp-offset-issues/
+[20]: /es/integrations/ntp/#overview
+[21]: /es/logs/log_collection/#logging-endpoints
+[22]: /es/containers/guide/cluster_agent_autoscaling_metrics
+[23]: /es/llm_observability/
+[24]: /es/network_monitoring/cloud_network_monitoring/
+[25]: /es/universal_service_monitoring/
+[26]: /es/metrics/
+[27]: /es/developers/service_checks/
+[28]: /es/events/
\ No newline at end of file
diff --git a/content/es/agent/fleet_automation/_index.md b/content/es/agent/fleet_automation/_index.md
index dc0a7e0294e1d..201181b3806ac 100644
--- a/content/es/agent/fleet_automation/_index.md
+++ b/content/es/agent/fleet_automation/_index.md
@@ -14,49 +14,64 @@ further_reading:
title: Automatización de flotas
---
-{{< callout btn_hidden="true">}}La automatización de flotas está en fase beta. Accede a ella desde la página Automatización de flotas de Datadog.{{< /callout >}}
-
## Información general
La automatización de flotas de Datadog te permite controlar de forma centralizada y gestionar en remoto Datadog Agents a escala para responder a tus necesidades de observabilidad en constante evolución.
-{{< img src="agent/fleet_automation/fleet-automation.png" alt="Página de automatización de flotas" style="width:100%;" >}}
+{{< img src="/agent/fleet_automation/fleet_automation2.png" alt="Página de Fleet Automation" style="width:100%;" >}}
+
+## Casos prácticos
Con la plataforma de automatización de flotas, puedes:
-- Visualizar el Agent y las configuraciones de sus integraciones para ayudar a confirmar cambios en la implementación y garantizar la coherencia de la configuración.
+- Consulte las últimas configuraciones del Agent y los cambios históricos para confirmar las actualizaciones del despliegue y garantizar la coherencia de la configuración.
+- Asegúrate de que tu flota de Agent utiliza las últimas mejoras identificando y actualizando las versiones obsoletas de Agent.
- Enviar un flare desde dentro de tu organización, reduciendo así el tiempo que se tarda en depurar problemas en un Agent.
-- Asegurarte de que tu flota de Agents utiliza las últimas mejoras, identificando las versiones obsoletas del Agent.
- Ayudar a rotar las claves API y asegurarte de que las claves antiguas pueden desactivarse sin ningún impacto, identificando cuáles y cuántos Agents utilizan una clave específica.
+## Configurar Fleet Automation
+
+- **Actualización y configuración remotas de Agents**: para obtener información sobre las versiones del Agent compatibles y los pasos de configuración, consulta [Activar la gestión remota de Agent][3].
+- **Ver la configuración del Agent**: la vista de configuración del Agent está habilitada por defecto en las versiones del Agent 7.47.0 o posteriores. Para habilitar la configuración del Agent manualmente, establece `inventories_configuration_enabled` en tu [archivo de configuración del Agent][2] a `true`. También puedes utilizar la variable de entorno `DD_INVENTORIES_CONFIGURATION_ENABLED`.
+- **Ver configuración de una integración del Agent**: la configuración de una integración del Agent está habilitada por defecto en las versiones 7.49/6.49 o posteriores del Agent. Para habilitar la configuración de una integración del Agent manualmente, define`inventories_checks_configuration_enabled` en tu [archivo de configuración del Agent][2] como `true`. También puedes utilizar la variable de entorno `DD_INVENTORIES_CHECKS_CONFIGURATION_ENABLED`.
+
+## Observar tu flota
+
Utiliza la página [**Automatización de la flota**][1] para obtener información sobre hosts no supervisados, Agents que deben actualizarse o Agents que presentan problemas de integración. Para cada Agent, puedes ver:
- La versión del Agent
- Si el Agent tiene alguna integración no configurada o mal configurada
- Los servicios que está monitorizando el Agent
- El estado de configuración remota del Agent
- Los productos habilitados en el Agent
+- Eventos de Agent de Audit Trail, incluidos cambios de configuración, actualizaciones y flares
+
+### Examinar un Agent
+
+Al seleccionar un Agent, obtendrás más información sobre él, como su configuración, sus integraciones conectadas, eventos de auditoría y una pestaña de ayuda que puedes utilizar para enviar un flare remoto.
+
+{{< img src="agent/fleet_automation/fleet-automation-view-config.png" alt="Información de integración de un Agent" style="width:100%;" >}}
-Al seleccionar un Agent, obtendrás más información sobre él, como su configuración, sus integraciones conectadas y una pestaña de ayuda que puedes utilizar para enviar un flare remoto.
+### Ver los eventos de Agent de Audit Trail
-{{< img src="agent/fleet_automation/fleet-automation-agent.png" alt="Información sobre la integración de un Agent" style="width:100%;" >}}
+La pestaña Eventos de auditoría muestra eventos de Audit Trail asociados con el Agent seleccionado.
+Utiliza esta pestaña para:
+- Identificar los cambios de configuración, las actualizaciones de claves de API, las instalaciones, las actualizaciones y los flares de asistencia.
+- Determinar cuándo se hicieron los cambios y desde dónde
-## Configuración de la automatización de flotas
+La visibilidad de los eventos de Audit Trail depende de tu plan. Cuando Audit Trail está habilitado en tu organización, puedes ver los eventos de Agent durante un máximo de 90 días según la configuración de retención de Audit Trail. Si Audit Trail no está habilitado en tu organización, puedes ver los eventos de las últimas 24 horas.
-La automatización de flotas incorpora varias funciones de Datadog, que se activan automáticamente en el Agent versión 7.49/6.49 o posterior. Para asegurarte de que tienes acceso a todas las funciones, actualiza tu Agent a la versión 7.49/6.49 o posterior.
+### Enviar un flare remoto
-Si utilizas un Agent más antiguo, es posible que aún puedas activar las siguientes funciones de Datadog de forma individual:
-- **Configuración remota**: Para obtener información sobre las versiones compatibles del Agent y los pasos que debes seguir durante la configuración, consulta [Habilitación de la configuración remota][3].
-- **Configuración del Agent**: Necesitas tener la versión del Agent 7.39/6.39 o posterior para habilitar la pestaña de configuración del Agent. Esta se encuentra habilitada por defecto en las versiones del Agent 7.47.0/6.47.0 o posteriores. Para habilitar la configuración del Agent manualmente, define `inventories_configuration_enabled` en tu [archivo de configuración del Agent][2] como `true`. También puedes utilizar la variable de entorno`DD_INVENTORIES_CONFIGURATION_ENABLED`.
-- **Configuración de una integración del Agent**: La configuración de una integración del Agent está habilitada por defecto en las versiones 7.49/6.49 o posteriores del Agent. Para habilitar la configuración de una integración del Agent manualmente, define`inventories_checks_configuration_enabled` en tu [archivo de configuración del Agent][2] como `true`. También puedes utilizar la variable de entorno `DD_INVENTORIES_CHECKS_CONFIGURATION_ENABLED`.
+Después de activar la configuración remota en un Agent, puedes enviar un flare desde Datadog. Para obtener instrucciones sobre cómo enviar un flare, consulta [Enviar un flare desde el sitio de Datadog][7].
-Datadog te recomienda actualizar tu Agent con regularidad para asegurarte de que tienes acceso a las últimas funciones.
+Cuando te pongas en contacto con el servicio de asistencia de Datadog con la configuración remota activada para el Agent, el equipo podrá iniciar un flare desde tu entorno para poder ayudarte mejor y de forma más rápida. Los flares proporcionan información de solución de problemas al servicio de asistencia de Datadog para ayudarte a resolver tu problema.
-## Enviar un flare remoto
+{{< img src="agent/fleet_automation/fleet_automation_remote_flare.png" alt="Enviar un flare remoto" style="width:100%;" >}}
-Antes de enviar un flare, asegúrate de que la configuración remota está [habilitada](#configuring-fleet-automation) en el Agent seleccionado.
+## Gestión remota de Agents
-{{% remote-flare %}}
+La gestión remota de Agents simplifica el proceso de actualización de tu flota de Agents, ya que reduce la necesidad de coordinar varias herramientas de despliegue o gestión de la configuración. Para obtener más información, consulta [Gestión remota del Agent][6].
-{{< img src="agent/fleet_automation/fleet-automation-flares2.png" alt="El botón Send Ticket (Enviar ticket) genera un formulario para enviar un flare sobre un nuevo ticket de asistencia o sobre uno ya existente" style="width:100%;" >}}
+{{< img src="agent/fleet_automation/fleet-automation-upgrades-2.png" alt="Actualizar agents de forma remota en Fleet Automation" style="width:100%;" >}}
## Control de acceso a la automatización de flotas
@@ -64,17 +79,21 @@ La automatización de flotas está disponible para todos los usuarios de una org
| Permiso | Descripción |
|--------------|---------------|
-| `API keys read`| Determina qué usuarios pueden visualizar y buscar Agents por clave API. |
-| `Agent flare collection` | Determina qué usuarios pueden enviar flares de forma remota. |
+| `API Keys Read`| Determina qué usuarios pueden visualizar y buscar Agents por clave API. |
+| `Agent Flare Collection` | Restringe qué usuarios pueden enviar flares a distancia desde Fleet Automation. |
+| `Agent Upgrade` | Restringe qué usuarios tienen acceso a la actualización de Agents desde Fleet Automation. |
+| `Agent Configuration Management` | Restringe qué usuarios tienen acceso a configurar Agents desde Fleet Automation. |
Para obtener información sobre la configuración de funciones y permisos, consulta [Control de acceso][5].
-## Lectura adicional
+## Referencias adicionales
{{< partial name="whats-next/whats-next.html" >}}
[1]: https://app.datadoghq.com/fleet
[2]: /es/agent/configuration/agent-configuration-files/
-[3]: /es/agent/remote_config#enabling-remote-configuration
+[3]: /es/agent/fleet_automation/remote_management/#setup
[4]: /es/infrastructure/list/#agent-configuration
-[5]: https://docs.datadoghq.com/es/account_management/rbac/
\ No newline at end of file
+[5]: /es/account_management/rbac/
+[6]: /es/agent/fleet_automation/remote_management/
+[7]: /es/agent/troubleshooting/send_a_flare/#send-a-flare-from-the-datadog-site
\ No newline at end of file
diff --git a/content/es/api/latest/on-call-paging/_index.md b/content/es/api/latest/on-call-paging/_index.md
new file mode 100644
index 0000000000000..fa60bea307c9f
--- /dev/null
+++ b/content/es/api/latest/on-call-paging/_index.md
@@ -0,0 +1,3 @@
+---
+title: Buscapersonas On-Call
+---
diff --git a/content/es/continuous_delivery/features/rollbacks_detection.md b/content/es/continuous_delivery/features/rollbacks_detection.md
new file mode 100644
index 0000000000000..161d7902120b0
--- /dev/null
+++ b/content/es/continuous_delivery/features/rollbacks_detection.md
@@ -0,0 +1,58 @@
+---
+description: Más información sobre cómo CD Visibility detecta las reversiones de despliegues.
+further_reading:
+- link: /continuous_delivery/deployments/
+ tag: Documentación
+ text: Más información sobre Deployment Visibility
+- link: /continuous_delivery/explorer
+ tag: Documentación
+ text: Aprende a consultar y visualizar las despliegues
+title: Detección de reversiones
+---
+
+{{< callout url="https://docs.google.com/forms/d/e/1FAIpQLScNhFEUOndGHwBennvUp6-XoA9luTc27XBwtSgXhycBVFM9yA/viewform?usp=sf_link" btn_hidden="false" header="Join the Preview" >}}
+CD Visibility está en Vista previa. Si te interesa esta función, completa el formulario para solicitar acceso.
+{{< /callout >}}
+
+## Información general
+
+Saber cuándo determinados despliegues realizan una reversión es útil para:
+- Comprender la estabilidad del despliegue y la frecuencia de las reversiones en todos tus servicios.
+- Identificar patrones en los problemas de despliegue que conducen a reversiones.
+
+Para detectar reversiones, Datadog compara la versión de despliegue actual con las versiones anteriores desplegadas para el mismo servicio y entorno. Se identifica una reversión cuando se dan las dos circunstancias siguientes:
+- La versión actual es diferente de la versión anterior. Esto garantiza que volver a desplegar la misma versión no constituya una reversión.
+- La versión actual coincide con una versión que se desplegó anteriormente.
+
+Puedes buscar despliegues de reversiones en [Ejecuciones de despliegues][1], utilizando la etiqueta (tag) `@deployment.is_rollback`:
+
+{{< img src="continuous_delivery/features/rollbacks-deployment-executions.png" alt="Indicador de reversión en la page (página) Ejecuciones de Despliegues" style="width:100%;">}}
+
+También puedes ver información más detallada en el detalle del evento:
+
+{{< img src="continuous_delivery/features/rollbacks-detail.png" alt="Detalle de reversión" style="width:100%;">}}
+
+## Requisitos
+
+La detección de reversiones funciona para los despliegues que tienen todo lo siguiente:
+- Un servicio (`@deployment.service`)
+- Un entorno (`@deployment.env`)
+- Un identificador de la versión (`@deployment.version`)
+
+### Versión para proveedores basados en CI
+Para los proveedores basados en CI, Datadog utiliza el parámetro `--revision` que se pasa al comando `datadog ci`. Este parámetro debe contener el identificador de la versión de tu despliegue (como un SHA de confirmación, una etiqueta (tag) de imagen o un número de versión).
+
+### Versión para Argo CD
+Para los despliegues de Argo CD, Datadog utiliza la versión de imágenes correlacionadas para detectar reversiones. Datadog identifica la imagen "principal" de tu despliegue y extrae de ella la etiqueta (tag) de versión.
+
+Para habilitar la detección de reversiones para despliegues de Argo CD, necesitas correlacionar tus imágenes con confrmaciones usando el [comando`datadog-ci deployment correlate-image` ][2] como se explica en la [documentación de monitorización de Argo CD][3].
+
+Cuando las imágenes se correlacionan correctamente, Datadog completa una etiqueta (tag) de versión a partir de los metadatos de la imagen, que se utiliza para la detección de reversiones.
+
+## Referencias adicionales
+
+{{< partial name="whats-next/whats-next.html" >}}
+
+[1]: https://app.datadoghq.com/ci/deployments/executions
+[2]: https://github.com/DataDog/datadog-ci/tree/master/src/commands/deployment#correlate
+[3]: /es/continuous_delivery/deployments/argocd#correlate-deployments-with-ci-pipelines
\ No newline at end of file
diff --git a/content/es/dashboards/widgets/alert_graph.md b/content/es/dashboards/widgets/alert_graph.md
index 01daa7da3ce20..c0c5af828d670 100644
--- a/content/es/dashboards/widgets/alert_graph.md
+++ b/content/es/dashboards/widgets/alert_graph.md
@@ -14,7 +14,7 @@ Las gráficas de alertas son gráficas de series temporales que muestran el esta
{{< img src="dashboards/widgets/alert_graph/alert_graph.png" alt="Gráfica de alertas" >}}
-Este widget es compatible con los monitores predeterminados de alertas de consultas programadas, como métricas, anomalías, outliers, predicciones, APM e integraciones.
+Este widget es compatible con los monitores de alertas de consultas programadas por defecto, como métrica, anomalía, outlier, predicción, métricas de APM e integración.
## Configuración
diff --git a/content/es/data_security/real_user_monitoring.md b/content/es/data_security/real_user_monitoring.md
index f2bfd67afc1a9..4252852affae2 100644
--- a/content/es/data_security/real_user_monitoring.md
+++ b/content/es/data_security/real_user_monitoring.md
@@ -13,7 +13,7 @@ further_reading:
text: Opciones de privacidad de Session Replay
- link: https://www.datadoghq.com/blog/default-privacy-session-replay/
tag: Blog
- text: Enmascarar los datos de usuario con los parámetros de privacidad predeterminados
+ text: Enmascarar los datos de usuarios con los parámetros de privacidad predeterminados
de Session Replay
title: Seguridad de los datos en Real User Monitoring (RUM)
---
@@ -21,7 +21,7 @@ title: Seguridad de los datos en Real User Monitoring (RUM)
En esta página hablamos sobre la seguridad de los datos que se envían a Datadog. Si estás buscando productos y funciones para proteger las aplicaciones y las soluciones en la nube, consulta la sección Seguridad.
## Información general
-Real User Monitoring (RUM) proporciona controles para implementar requisitos de privacidad y garantizar que organizaciones del tamaño que sean no expongan información confidencial o personal. Los datos se almacenan en instancias en la nube gestionadas por Datadog y se cifran mientras permanecen en reposo. Los comportamientos predeterminados y las opciones configurables que se describen en esta página están diseñados para proteger la privacidad del usuario final y evitar que se recopile información confidencial de la organización. Para obtener más información, consulta [Privacidad en Datadog][13].
+Real User Monitoring (RUM) proporciona controles para aplicar los requisitos de privacidad y garantizar que las organizaciones de cualquier escala no expongan información confidencial ni personal. Los datos se almacenan en instancias en la nube gestionadas por Datadog y se cifran en reposo. Los comportamientos predeterminados y las opciones configurables que se describen en esta page (página) están diseñados para proteger la privacidad del usuario final y evitar que se recopile información confidencial de la organización. Más información sobre [Privacidad en Datadog][1].
## Responsabilidad compartida
@@ -30,61 +30,61 @@ La responsabilidad de mantener seguros los datos de los usuarios la comparten Da
Datadog es responsable de:
- Proporcionar un producto fiable que gestione los datos de forma segura cuando se transmiten a la plataforma Datadog y se almacenan en ella.
-- Garantizar que los problemas de seguridad se identifican de acuerdo con las políticas internas.
+- Garantizar que los problemas de seguridad se identifiquen de acuerdo con las políticas internas.
Los desarrolladores son responsables de:
- Aprovechar los valores de configuración y las opciones de privacidad de los datos que ofrece Datadog.
-- Garantizar la integridad del código dentro de sus entornos.
+- Garantizar la integridad del código en sus entornos.
## Marcos de cumplimiento
RUM puede configurarse para cumplir numerosas normas y marcos normativos como, por ejemplo:
- RGPD
-- HIPAA
+- HIPAA
- ISO
- Leyes CCPA/CPRA
## Restricciones de privacidad
-Por defecto, existen algunas restricciones de privacidad que protegen los datos de los usuarios para ayudar a cumplir con los marcos regulatorios y normativos.
+Por defecto, existen algunas restricciones de privacidad que protegen los datos de los usuarios para ayudar a cumplir los marcos regulatorios y normativos.
### Uso de cookies del navegador RUM
El navegador RUM requiere que las cookies de origen estén habilitadas en el navegador del usuario final para recopilar datos. Si así lo requieren las jurisdicciones en las que operas, eres responsable de configurar tus páginas para que cumplan las leyes de dichas jurisdicciones, incluyendo la recepción del consentimiento para recopilar cookies antes de inicializar RUM.
### Gestión del consentimiento de Mobile RUM
-El seguimiento de Mobile RUM solo se ejecuta si el usuario da su consentimiento. Si el usuario final acepta el seguimiento de RUM, hacemos un seguimiento de su actividad y experiencia de sesión. Si el usuario rechaza el seguimiento de RUM, no haremos ningún seguimiento de su actividad ni de su experiencia de sesión.
+El rastreo móvil de RUM sólo se ejecuta previo consentimiento del usuario. Si el usuario final acepta el rastreo de RUM, Datadog rastrea su actividad y experiencia de sesión. Si el usuario rechaza el rastreo de RUM, Datadog no rastrea su actividad ni su experiencia de sesión.
## Opciones de privacidad
-Existen varias opciones y herramientas a la hora de recopilar y eliminar los datos recopilados por RUM.
+Existen varias opciones y herramientas a la hora de recopilar y ocultar los datos recopilados por RUM.
### Token de cliente
-El navegador RUM [token de cliente][17] se utiliza para hacer coincidir los datos del navegador del usuario final con una aplicación RUM específica en Datadog. No está cifrado y es visible para el cliente de una aplicación.
+El navegador RUM [token de cliente][2] se utiliza para hacer coincidir los datos del navegador del usuario final con una aplicación RUM específica en Datadog. No está cifrado y es visible desde el lado del cliente de una aplicación.
Dado que el token de cliente sólo se utiliza para enviar datos a Datadog, no existe riesgo de pérdida de datos debido a este token. Sin embargo, Datadog recomienda realizar algunas acciones para garantizar una buena gestión de los tokens de cliente y así evitar otros tipos de uso indebido, entre ellas:
-- [Rotar el token de cliente][18] con regularidad para asegurarse de que sólo es utilizado por tu aplicación
-- [Filtrar bots][19] automáticamente al capturar datos de RUM
+- Regularmente [rotar el token de cliente][3] para asegurarse de que sólo sea utilizado por tu aplicación.
+- Automáticamente [filtrar bots][4] al capturar datos de RUM
#### Proxy autentificado
-Un método que utiliza el token de cliente para filtrar bots es el proxy autenticado. Con este método, una cadena de parámetros se sustituye por el `clientToken` al inicializar el SDK del navegador RUM Datadog. El proxy conoce el token real de cliente, pero el usuario final no lo conoce.
+Un método de utilizar el token de cliente para filtrar bots es un proxy autenticado. En este método, se sustituye el `clientToken` por una cadena de marcador de posición al inicializar el SDK del navegador Datadog RUM. El proxy conoce el token de cliente real, pero el usuario final no.
El proxy está configurado para verificar información válida sobre el usuario antes de pasar los datos de la sesión a Datadog, confirmando así que un usuario real ha iniciado sesión y transmite el tráfico que se va a monitorizar. Al recibir tráfico, el proxy verifica que los datos incluyen la cadena de parámetros y la sustituye por el `clientToken` real, antes de reenviar los datos a Datadog.
### Seguimiento de eventos
-Un [evento][14] es una interacción del usuario con elementos específicos de tu sitio o aplicación. Los eventos pueden capturarse automáticamente a través del SDK o enviarse mediante acciones personalizadas. Puedes desactivar el seguimiento automático de las interacciones del usuario y de las páginas vistas para capturar únicamente la interacción que elijas. De forma predeterminada, RUM utiliza contenido de destino para generar nombres de acciones a partir de acciones recopiladas de forma automática por el SDK. Puedes [anular explícitamente][5] este comportamiento con cualquier nombre específico.
+Un [evento][5] es una interacción del usuario con elementos específicos de tu sitio o aplicación. Los eventos pueden capturarse automáticamente a través del SDK o enviarse mediante acciones personalizadas. Puedes desactivar el rastreo automático de las interacciones del usuario y las páginas vistas para capturar únicamente la interacción que elijas. De forma predeterminada, RUM utiliza el contenido de destino para generar nombres de acciones a partir de las acciones recopiladas automáticamente por el SDK. Puedes [sustituir explícitamente][6] este comportamiento con cualquier nombre dado.
-Los datos que rastreamos automáticamente contienen principalmente información técnica, la mayor parte de la cual no incluye información de identificación personal. Los datos que se recopilan mediante RUM pueden ocultarse aún más antes de que se envíen y almacenen en Datadog, para ello, es necesario utilizar opciones de configuración avanzadas con los siguientes métodos:
+Los datos que rastreamos automáticamente contienen principalmente información técnica, la mayor parte de la cual no incluye información de identificación personal (PII). Los datos que se recopilan mediante RUM pueden ocultarse aún más antes de que se envíen y almacenen en Datadog. Para ello, es necesario utilizar opciones de configuración avanzadas con los siguientes métodos:
-- [API de beforeSend][1]
-- [iOS][2]
-- [Android][3]
-- [Flutter][4]
-- [React Native][16]
+- [API beforeSend][7]
+- [iOS][8]
+- [Android][9]
+- [Flutter][10]
+- [React Native][11]
### Transmitir eventos RUM a través de un servidor proxy
-Puedes transmitir todos los eventos RUM a través de tu propio [servidor proxy][15] para que los dispositivos del usuario final nunca se comuniquen directamente con Datadog.
+Puedes transmitir todos los eventos de RUM a través de tu propio [servidor proxy][12] de modo que los dispositivos de usuario final nunca se comuniquen directamente con Datadog.
### Seguimiento de la identidad del usuario
-De forma predeterminada, no se realiza **ningún seguimiento de la identidad de los usuarios**. Cada sesión tiene un identificador `session.id` único, que mantiene el anonimato de los datos, pero permite conocer las tendencias. Sin embargo, existe la posibilidad de escribir código para capturar [datos del usuario][6], como el nombre y la dirección de correo electrónico, y utilizarlos para [enriquecer y modificar][7] las sesiones de RUM, aunque no es obligatorio.
+De modo predeterminado, no hay **rastreo de la identidad de los usuarios**. Cada sesión tiene un único `session.id` vinculado a ella, que hace anónimos los datos, pero te permite comprender las tendencias. Tienes la opción de escribir código para capturar [datos del usuario][13] como el nombre y la dirección de correo electrónico y luego usar esos datos para [enriquecer y modificar][13] las sesiones de RUM, pero esto no es obligatorio.
### Conservación de datos
Una vez configurada la captura de eventos, éstos se almacenan en Datadog. Puedes decidir cuánto tiempo se conservan en Datadog los eventos y propiedades capturados.
@@ -94,65 +94,68 @@ Por defecto, la conservación de datos para entornos de producción es:
- 30 días para sesiones, vistas, acciones, errores y grabaciones de sesiones.
- 15 días para recursos y tareas extensas.
-Dicha conservación puede ampliarse hasta un máximo de 90 días sin coste adicional mediante [la apertura de un ticket de asistencia][8]. Recuerda que esta posibilidad no se aplica a las Session Replays, los recursos ni las tareas extensas.
+Para ampliar la retención de datos para analizar los comportamientos de los usuarios durante periodos de tiempo más largos (sólo Sesiones, Vistas y Acciones), puedes enviar una solicitud a [unirse a Product Analytics][20] .
#### Control de acceso basado en roles
-Datadog ofrece el control de acceso basado en roles (RBAC) para gestionar quién ve los datos RUM capturados. La configuración predeterminada para acceder a los datos depende del rol al que se añada un usuario. Datadog dispone de tres tipos de roles: Administrador, Estándar y Solo lectura. En la sección [Permisos de rol de Datadog][10] se pueden definir permisos más específicos para RUM. Por ejemplo, puedes autorizar o revocar el acceso para ver las Session Replays.
+Datadog proporciona control de acceso basado en roles (RBAC) para gestionar quién consulta los datos capturados de RUM. La configuración predeterminada para el acceso a los datos depende del rol al que se añada un usuario. Hay tres tipos de roles disponibles en Datadog: Administrador, Estándar y Sólo lectura. En [Permisos de roles de Datadog][15] se definen permisos más granulares específicos de RUM. Por ejemplo, puedes conceder o revocar el acceso para ver las repeticiones de sesión.
### Eliminar datos
-Si necesitas eliminar datos almacenados por Datadog, por ejemplo, si se han filtrado datos potencialmente confidenciales en eventos RUM, puedes hacer un borrado permanente de los datos dentro de un marco de tiempo determinado. En este caso, se borran **todos** los datos; no se pueden seleccionar para una aplicación específica. Si quieres eliminar algún dato, ponte en contacto con el [equipo de asistencia de Datadog][9].
+Si necesitas borrar datos almacenados por Datadog, por ejemplo, si se han filtrado datos potencialmente confidenciales en eventos de RUM, puedes realizar un borrado duro de datos dentro de un plazo determinado. Con un borrado duro, se borran **todos** los datos; no se puede dirigir a una aplicación específica. Si necesitas que se borre algún dato, ponte en contacto con el [equipo de asistencia técnica de Datadog][14].
### Eliminar datos personales y confidenciales
-Existen varias opciones para eliminar la información de identificación personal (IIP) y los datos confidenciales, incluidas las direcciones IP y la geolocalización. Algunas situaciones en las que la IIP podría aparecer en RUM:
+Existen varias opciones para eliminar la información de identificación personal (PII) y los datos confidenciales, incluidas las direcciones IP y la geolocalización. Las siguientes son algunas situaciones en las que la PII podría aparecer en RUM:
-- Nombres de acción en los botones (por ejemplo, "Ver el número completo de la tarjeta de crédito")
+- Nombres de acciones en los botones (por ejemplo, "Ver el número completo de la tarjeta de crédito")
- Nombres que aparecen en las URL
- Eventos de seguimiento personalizados que instrumentan los desarrolladores de la aplicación
+#### Enmascarar nombres de acciones
+De manera predeterminada, si deseas enmascarar todos los nombres de acciones, puedes utilizar la opción `enablePrivacyForActionName` junto con la configuración de privacidad `mask`. Esta operación sustituye automáticamente todos los nombres de acciones no sustituidos por el marcador de posición `Masked Element`. Esta configuración también está diseñada para ser compatible con los [atributos de sustitución de HTML] existentes[16].
+
#### Datos no estructurados
-La información de identificación personal incluida accidentalmente en datos no estructurados, como el nombre de una persona en un cuadro de texto, solo puede eliminarse con una solicitud para que se eliminen los datos durante un plazo determinado.
+La PII incluida inadvertidamente en datos no estructurados, como el nombre de una persona en un cuadro de texto, sólo puede eliminarse mediante una solicitud de supresión de datos durante un plazo determinado.
-Con respecto a las URL, tienes la opción de hacer el seguimiento de las visitas a la página manualmente para eliminar cualquier información de identificación personal o utilizar beforeSend para cambiar el texto de la URL.
+Con respecto a las URL, tienes la opción de rastrear las páginas vistas manualmente para eliminar cualquier PII o utilizar beforeSend para cambiar el texto de la URL.
-También puedes transmitir todos los eventos RUM a través de tu propio servidor (proxy) para que los dispositivos del usuario final nunca se comuniquen directamente con Datadog.
+También puedes transmitir todos los eventos RUM a través de tu propio servidor (proxy), para que los dispositivos del usuario final nunca se comuniquen directamente con Datadog.
#### Dirección IP
-Al configurar una aplicación RUM, se puede elegir si se desea incluir o no datos de IP o geolocalización:
+Después de inicializar tu aplicación RUM, puedes elegir si deseas o no incluir datos de IP o geolocalización desde la pestaña **Recopilación de datos del usuario**:
-{{< img src="data_security/data-security-rum-privacy-compliance-edit-rum-application.png" alt="Puedes incluir o excluir datos de geolocalización e IP de clientes desde la página de configuración de la aplicación RUM" style="width:100%;" >}}
+{{< img src="data_security/data-security-rum-privacy-compliance-user-data-collection-1.png" alt="Puedes incluir o excluir datos de geolocalización y de IP del cliente desde la page (página) de gestión de aplicaciones RUM" style="width:100%;" >}}
-En cuanto deshabilites la recopilación de datos IP, el cambio se aplicará inmediatamente. No se eliminarán los datos IP de ningún evento recopilado antes de la desactivación. Se realiza en el backend, lo que significa que el SDK del navegador seguirá enviando datos, pero los pipelines del backend de Datadog omitirán las direcciones IP y las eliminarán en el momento del procesamiento.
+Después de desactivar la recopilación de datos de IP, el cambio se aplica inmediatamente. Cualquier evento recopilado antes de la desactivación no elimina los datos de IP. Se realiza en el backend, lo que significa que el SDK del navegador sigue enviando datos, pero las direcciones IP son omitidas por los pipelines del backend de Datadog y eliminadas en el momento del procesamiento.
#### Geolocalización
-Además de eliminar las IP de los clientes, también puedes optar por desactivar la recopilación de la geolocalización (país, ciudad, provincia), o GeoIP, de todos los datos recopilados en el futuro. Si desmarcas la casilla **Collect geolocation data** (Recopilar datos de geolocalización), el cambio se aplicará inmediatamente. No se eliminarán los datos de geolocalización de los eventos recopilados antes de desactivar la casilla. La omisión de datos se realiza a nivel de backend, lo que significa que el SDK del navegador seguirá enviando datos, pero nuestros pipelines de backend omitirán los datos de geolocalización y los eliminarán en el momento del procesamiento.
+Además de eliminar las IP de los clientes, también puedes optar por desactivar la recopilación de geolocalización (país, ciudad, condado), o GeoIP, de todos los datos recopilados en el futuro. Si desmarcas la casilla **Recopilar datos de geolocalización**, el cambio se aplica inmediatamente. Cualquier evento recopilado antes de la desactivación no elimina los datos de geolocalización correspondientes. La omisión de datos se realiza a nivel de backend, lo que significa que el SDK del navegador sigue enviando datos, pero los datos de geolocalización son omitidos por los pipelines del backend de Datadog y eliminados en el momento del procesamiento.
### Búsqueda proactiva de datos confidenciales con Sensitive Data Scanner
-[Sensitive Data Scanner][11] te permite buscar y depurar proactivamente los datos confidenciales en el momento de su consumo por parte de Datadog. Los eventos de RUM se analizan en el flujo (stream), antes de que se almacenen datos en Datadog. La herramienta tiene la capacidad de depurar, convertir en hash o enmascarar parcialmente la información de identificación personal (PII), antes de que se almacene. Funciona aplicando reglas de concordancia de patrones listas para utilizar o desarrolladas por el cliente. Si has activado esta función, puedes encontrarla en la página [**Gestión de datos confidenciales**][20].
+[Sensitive Data Scanner][17] te permite buscar en forma proactiva y depurar los datos confidenciales en el momento de su ingesta por Datadog. Los eventos de RUM se digitalizan en el flujo (stream) antes de que se almacene ningún dato en Datadog. La herramienta tiene la capacidad de depurar, convertir en hash o redactar parcialmente los datos de PII antes de que se almacenen. Funciona aplicando reglas de concordancia de patrones predefinidos o desarrollados por el cliente. Si has activado esta función, puedes encontrarla en la page (página) [**Gestión de datos confidenciales**][18].
## Opciones de privacidad específicas de Session Replay
-Consulta las [opciones de privacidad específicas de Session Replay][12].
+Consulta [opciones de privacidad específicas de la Repetición de sesión][19].
-### Leer más
+### Referencias adicionales
{{< partial name="whats-next/whats-next.html" >}}
-[1]: /es/real_user_monitoring/guide/enrich-and-control-rum-data/?tab=event#event-and-context-structure
-[2]: /es/real_user_monitoring/ios/advanced_configuration/?tab=swift#modify-or-drop-rum-events
-[3]: /es/real_user_monitoring/mobile_and_tv_monitoring/advanced_configuration/android/?tab=kotlin#modify-or-drop-rum-events
-[4]: /es/real_user_monitoring/mobile_and_tv_monitoring/advanced_configuration/flutter/#modify-or-drop-rum-events
-[5]: /es/real_user_monitoring/browser/tracking_user_actions/#declare-a-name-for-click-actions
-[6]: /es/real_user_monitoring/browser/advanced_configuration/?tab=npm#user-session
-[7]: /es/real_user_monitoring/browser/advanced_configuration/?tab=npm#user-session
-[8]: /es/help/
-[9]: /es/help/
-[10]: /es/account_management/rbac/permissions/#real-user-monitoring
-[11]: /es/sensitive_data_scanner/
-[12]: /es/real_user_monitoring/session_replay/browser/privacy_options
-[13]: https://www.datadoghq.com/privacy/
-[14]: /es/real_user_monitoring/explorer/search/
-[15]: /es/real_user_monitoring/guide/proxy-rum-data/?tab=npm
-[16]: /es/real_user_monitoring/reactnative/advanced_configuration/#modify-or-drop-rum-events
-[17]: /es/real_user_monitoring/browser/setup/#configuration
-[18]: /es/account_management/api-app-keys/#add-an-api-key-or-client-token
-[19]: /es/real_user_monitoring/guide/identify-bots-in-the-ui/#filter-out-bot-sessions-on-intake
-[20]: https://app.datadoghq.com/organization-settings/sensitive-data-scanner/configuration
\ No newline at end of file
+[1]: https://www.datadoghq.com/privacy/
+[2]: /es/real_user_monitoring/browser/setup/#configuration
+[3]: /es/account_management/api-app-keys/#add-an-api-key-or-client-token
+[4]: /es/real_user_monitoring/guide/identify-bots-in-the-ui/#filter-out-bot-sessions-on-intake
+[5]: /es/real_user_monitoring/explorer/search/
+[6]: /es/real_user_monitoring/browser/tracking_user_actions/#declare-a-name-for-click-actions
+[7]: /es/real_user_monitoring/guide/enrich-and-control-rum-data/?tab=event#event-and-context-structure
+[8]: /es/real_user_monitoring/ios/advanced_configuration/?tab=swift#modify-or-drop-rum-events
+[9]: /es/real_user_monitoring/mobile_and_tv_monitoring/android/advanced_configuration/?tab=kotlin#modify-or-drop-rum-events
+[10]: /es/real_user_monitoring/mobile_and_tv_monitoring/flutter/advanced_configuration/#modify-or-drop-rum-events
+[11]: /es/real_user_monitoring/reactnative/advanced_configuration/#modify-or-drop-rum-events
+[12]: /es/real_user_monitoring/guide/proxy-rum-data/?tab=npm
+[13]: /es/real_user_monitoring/browser/advanced_configuration/?tab=npm#user-session
+[14]: /es/help/
+[15]: /es/account_management/rbac/permissions/#real-user-monitoring
+[16]: /es/real_user_monitoring/session_replay/privacy_options#override-an-html-element
+[17]: /es/security/sensitive_data_scanner/
+[18]: https://app.datadoghq.com/organization-settings/sensitive-data-scanner/configuration
+[19]: /es/real_user_monitoring/session_replay/browser/privacy_options
+[20]: https://www.datadoghq.com/private-beta/product-analytics/
\ No newline at end of file
diff --git a/content/es/database_monitoring/connect_dbm_and_apm.md b/content/es/database_monitoring/connect_dbm_and_apm.md
index 2bd204452f754..c3a8dfa9a7c03 100644
--- a/content/es/database_monitoring/connect_dbm_and_apm.md
+++ b/content/es/database_monitoring/connect_dbm_and_apm.md
@@ -14,7 +14,7 @@ En esta guía se considera que has configurado [Database Monitoring][1] y usas [
## Antes de empezar
Bases de datos compatibles
-: Postgres, MySQL, SQL Server, Oracle
+: Postgres, MySQL, SQL Server, Oracle, MongoDB
Versiones compatibles del Agent
: 7.46 o posterior
@@ -29,46 +29,49 @@ Las integraciones del rastreador de APM admiten un *Modo de propagación*, que c
- El modo `service` envía el nombre del servicio, lo que te permite conocer qué servicios contribuyen a la carga de la base de datos. Este es el único modo compatible con las aplicaciones de Oracle.
- El modo `disabled` deshabilita la propagación y no envía información desde las aplicaciones.
-| DD_DBM_PROPAGATION_MODE | Postgres | MySQL | SQL Server | Oracle |
-|:------------------------|:---------:|:-----------:|:----------:|:---------:|
-| `full` | {{< X >}} | {{< X >}} * | {{< X >}} | {{< X >}} |
-| `service` | {{< X >}} | {{< X >}} | {{< X >}} | {{< X >}} |
+| DD_DBM_PROPAGATION_MODE | Postgres | MySQL | SQL Server | Oracle | MongoDB |
+|:------------------------|:---------:|:-----------:|:----------:|:---------:|:----------:|
+| `full` | {{< X >}} | {{< X >}} * | {{< X >}} | {{< X >}} | {{< X >}} |
+| `service` | {{< X >}} | {{< X >}} | {{< X >}} | {{< X >}} | {{< X >}} |
\* El modo de propagación completa en Aurora MySQL requiere la versión 3.
**Rastreadores y controladores de aplicaciones compatibles**
-| Lenguaje | Biblioteca o marco | Postgres | MySQL | SQL Server | Oracle |
-|:-----------------------------------------|:-----------------------|:---------:|:---------:|:-------------------:|:-------------------:|
-| **Go:** [dd-trace-go][3] >= 1.44.0 | | | | | |
-| | [base de datos/sql][4] | {{< X >}} | {{< X >}} | solo el modo `service` | solo el modo `service` |
-| | [sqlx][5] | {{< X >}} | {{< X >}} | solo el modo `service` | solo el modo `service` |
-| **Java** [dd-trace-java][23] >= 1.11.0 | | | | | |
-| | [jdbc][22] | {{< X >}} | {{< X >}} | {{< X >}} ** | {{< X >}} *** |
-| **Ruby:** [dd-trace-rb][6] >= 1.8.0 | | | | | |
-| | [pg][8] | {{< X >}} | | | |
-| | [mysql2][7] | | {{< X >}} | | |
-| **Python:** [dd-trace-py][11] >= 1.9.0 | | | | | |
-| | [psycopg2][12] | {{< X >}} | | | |
-| [dd-trace-py][11] >= 2.9.0 | | | | | |
-| | [asyncpg][27] | {{< X >}} | | | |
-| | [aiomysql][28] | | {{< X >}} | | |
-| | [mysql-connector-python][29] | | {{< X >}} | | |
-| | [mysqlclient][30] | | {{< X >}} | | |
-| | [pymysql][31] | | {{< X >}} | | |
-| **.NET** [dd-trace-dotnet][15] >= 2.35.0 | | | | | |
-| | [Npgsql][16] * | {{< X >}} | | | |
-| | [MySql.Data][17] * | | {{< X >}} | | |
-| | [MySqlConnector][18] * | | {{< X >}} | | |
-| | [System.Data.SqlClient][24] * | | | {{< X >}} ** | |
-| | [Microsoft.Data.SqlClient][32] * | | | {{< X >}} ** | |
-| **PHP** [dd-trace-php][19] >= 0.86.0 | | | | | |
-| | [pdo][20] | {{< X >}} | {{< X >}} | | |
-| | [MySQLi][21] | | {{< X >}} | | |
-| **Node.js:** [dd-trace-js][9] >= 3.17.0 | | | | | |
-| | [postgres][10] | {{< X >}} | | | |
-| | [mysql][13] | | {{< X >}} | | |
-| | [mysql2][14] | | {{< X >}} | | |
+| Lenguaje | Biblioteca o marco | Postgres | MySQL | SQL Server | Oracle | MongoDB |
+|:-----------------------------------------|:-----------------------|:---------:|:---------:|:-------------------:|:-------------------:|:--------------------:|
+| **Go:** [dd-trace-go][3] >= 1.44.0 | | | | | | |
+| | [base de datos/sql][4] | {{< X >}} | {{< X >}} | solo el modo `service` | solo el modo `service` | |
+| | [sqlx][5] | {{< X >}} | {{< X >}} | solo el modo `service` | solo el modo `service` | |
+| **Java** [dd-trace-java][23] >= 1.11.0 | | | | | | |
+| | [jdbc][22] | {{< X >}} | {{< X >}} | {{< X >}} ** | {{< X >}} *** | |
+| **Ruby:** [dd-trace-rb][6] >= 1.8.0 | | | | | | |
+| | [pg][8] | {{< X >}} | | | | |
+| | [mysql2][7] | | {{< X >}} | | | |
+| **Python:** [dd-trace-py][11] >= 1.9.0 | | | | | | |
+| | [psycopg2][12] | {{< X >}} | | | | |
+| | [psycopg][34] | {{< X >}} | | | | |
+| [dd-trace-py][11] >= 2.9.0 | | | | | | |
+| | [asyncpg][27] | {{< X >}} | | | | |
+| | [aiomysql][28] | | {{< X >}} | | | |
+| | [mysql-connector-python][29] | | {{< X >}} | | | |
+| | [mysqlclient][30] | | {{< X >}} | | | |
+| | [pymysql][31] | | {{< X >}} | | | |
+| | [pymongo][35] | | | | | {{< X >}} ***** |
+| **.NET** [dd-trace-dotnet][15] >= 2.35.0 | | | | | | |
+| | [Npgsql][16] * | {{< X >}} | | | | |
+| | [MySql.Data][17] * | | {{< X >}} | | | |
+| | [MySqlConnector][18] * | | {{< X >}} | | | |
+| | [System.Data.SqlClient][24] * | | | {{< X >}} ** | | |
+| | [Microsoft.Data.SqlClient][32] * | | | {{< X >}} ** | | |
+| **PHP** [dd-trace-php][19] >= 0.86.0 | | | | | | |
+| | [pdo][20] | {{< X >}} | {{< X >}} | | | |
+| | [MySQLi][21] | | {{< X >}} | | | |
+| **Node.js:** [dd-trace-js][9] >= 3.17.0 | | | | | | |
+| | [postgres][10] | {{< X >}} | | | | |
+| | [mysql][13] | | {{< X >}} | | | |
+| | [mysql2][14] | | {{< X >}} | | | |
+| | [mongodb][33] | | | | | {{< X >}} **** |
\* [CommandType.StoredProcedure][25] no compatible
@@ -86,13 +89,21 @@ Las integraciones del rastreador de APM admiten un *Modo de propagación*, que c
- La instrumentación sobrescribe `V$SESSION.ACTION`.
- Requisito previo: rastreador de Java 1.45 o posterior
+\*\*\*\* Servicio/Modo completo MongoDB para Node.js:
+ - Requisito previo:
+ - Rastreador Node.js v5.37.0 o posterior
+
+\*\*\*\*\* Servicio/Modo completo MongoDB para Python:
+ - Requisito previo:
+ - Rastreador Python v3.5.0 o posterior
+
## Configuración
Para obtener la mejor experiencia de usuario, asegúrate de que las siguientes variables de entorno se hayan configurado en tu aplicación:
```
-DD_SERVICE=(nombre de la aplicación)
-DD_ENV=(entorno de la aplicación)
-DD_VERSION=(versión de la aplicación)
+DD_SERVICE=(application name)
+DD_ENV=(application environment)
+DD_VERSION=(application version)
```
Datadog recomienda establecer el modo de enmascaramiento en `obfuscate_and_normalize` para las versiones del Agent `7.63` y posteriores. Añade el siguiente parámetro en la sección `apm_config` de tu archivo de configuración del Agent de APM:
@@ -101,23 +112,22 @@ Datadog recomienda establecer el modo de enmascaramiento en `obfuscate_and_norma
sql_obfuscation_mode: "obfuscate_and_normalize"
```
+Cambiar el modo de ofuscación puede alterar el texto SQL normalizado. Si tienes monitores basados en texto SQL en trazas (trace) APM, es posible que tengas que actualizarlos.
+
{{< tabs >}}
{{% tab "Go" %}}
-Actualiza las dependencias de tu aplicación para incluir [dd-trace-go@v1.44.0][1] o posterior:
+Actualiza las dependencias de tu aplicación para incluir [dd-trace-go@v1.44.0][1] o posterior. {{% tracing-go-v2 %}}
```shell
-go get gopkg.in/DataDog/dd-trace-go.v1@v1.44.0 # 1.x
-# go get github.com/DataDog/dd-trace-go/v2 # 2.x
+go get github.com/DataDog/dd-trace-go/v2 # 2.x
```
Actualiza tu código para importar el paquete `contrib/database/sql`:
```go
import (
"database/sql"
- "gopkg.in/DataDog/dd-trace-go.v1/ddtrace/tracer" // 1.x
- sqltrace "gopkg.in/DataDog/dd-trace-go.v1/contrib/database/sql" // 1.x
- // "github.com/DataDog/dd-trace-go/v2/ddtrace/tracer" // 2.x
- // sqltrace "github.com/DataDog/dd-trace-go/contrib/database/sql/v2" // 2.x
+ "github.com/DataDog/dd-trace-go/v2/ddtrace/tracer"
+ sqltrace "github.com/DataDog/dd-trace-go/contrib/database/sql/v2"
)
```
@@ -144,10 +154,8 @@ Ejemplo completo:
```go
import (
"database/sql"
- "gopkg.in/DataDog/dd-trace-go.v1/ddtrace/tracer" // 1.x
- sqltrace "gopkg.in/DataDog/dd-trace-go.v1/contrib/database/sql" // 1.x
- // "github.com/DataDog/dd-trace-go/v2/ddtrace/tracer" // 2.x
- // sqltrace "github.com/DataDog/dd-trace-go/contrib/database/sql/v2" // 2.x
+ "github.com/DataDog/dd-trace-go/v2/ddtrace/tracer"
+ sqltrace "github.com/DataDog/dd-trace-go/contrib/database/sql/v2"
)
func main() {
@@ -187,7 +195,7 @@ Habilita la función de propagación de la monitorización de base de datos medi
Ejemplo completo:
```
-# Inicia el Java Agent con las propiedades del sistema requeridas
+# Start the Java Agent with the required system properties
java -javaagent:/path/to/dd-java-agent.jar -Ddd.dbm.propagation.mode=full -Ddd.integration.jdbc-datasource.enabled=true -Ddd.service=my-app -Ddd.env=staging -Ddd.version=1.0 -jar path/to/your/app.jar
```
@@ -204,7 +212,7 @@ public class Application {
stmt.close();
connection.close();
} catch (SQLException exception) {
- // lógica de excepción
+ // exception logic
}
}
}
@@ -215,7 +223,9 @@ Habilita el rastreo de sentencias preparadas para Postgres mediante **uno** de l
- Establece la propiedad del sistema `dd.dbm.trace_prepared_statements=true`
- Establece la variable de entorno `export DD_DBM_TRACE_PREPARED_STATEMENTS=true`
-**Nota**: La instrumentación de sentencias preparadas sobrescribe la propiedad `Application` y provoca un recorrido de ida y vuelta adicional a la base de datos. Este movimiento adicional tiene un impacto insignificante en la latencia.
+**Nota**: La instrumentación de sentencias preparadas sobrescribe la propiedad `Application` con el texto `_DD_overwritten_by_tracer`, y provocan un viaje de ida y vuelta adicional a la base de datos. Este viaje de ida y vuelta adicional normalmente tiene un impacto insignificante en el tiempo de ejecución de la sentencia SQL.
+
+La activación del rastreo de sentencias preparadas puede provocar un aumento de la asignación de pines a connection (conexión) al utilizar Amazon RDS Proxy, lo que reduce la eficacia de la agrupación de connection (conexión). Para obtener más información, consulte connection (conexión) pinning on RDS Proxy.
**Versiones del rastreador inferiores a 1.44**:
Las sentencias preparadas no son compatibles con el modo `full` para Postgres y MySQL, y todas las llamadas a la API de JDBC que utilizan sentencias preparadas se degradan automáticamente al modo `service`. Dado que la mayoría de las bibliotecas SQL de Java utilizan sentencias preparadas por defecto, esto significa que **la mayoría** de las aplicaciones Java sólo pueden utilizar el modo `service`.
@@ -231,9 +241,9 @@ En tu archivo GEM, instala o actualiza [dd-trace-rb][1] a la versión `1.8.0` o
```rb
source 'https://rubygems.org'
-gem 'datadog' # Usa `'ddtrace', '>= 1.8.0'` si estás usando v1.x
+gem 'datadog' # Use `'ddtrace', '>= 1.8.0'` if you're using v1.x
-# Depende de tu uso
+# Depends on your usage
gem 'mysql2'
gem 'pg'
```
@@ -280,17 +290,21 @@ Actualiza las dependencias de tu aplicación para incluir [dd-trace-py>=1.9.0][1
pip install "ddtrace>=1.9.0"
```
-Instala [psycopg2][2]:
+Para Postgres, instala [psycopg2][2]:
```
pip install psycopg2
```
+Para MongoDB (requiere dd-trace-py>=3.5.0), instala pymongo:
+```
+pip install pymongo
+```
+
Habilita la función de propagación de la monitorización de base de datos al establecer la siguiente variable de entorno:
- `DD_DBM_PROPAGATION_MODE=full`
-Ejemplo completo:
+Ejemplo de Postgres:
```python
-
import psycopg2
POSTGRES_CONFIG = {
@@ -301,14 +315,32 @@ POSTGRES_CONFIG = {
"dbname": "postgres_db_name",
}
-# conecta a la base de datos de Postgres
+# connect to postgres db
conn = psycopg2.connect(**POSTGRES_CONFIG)
cursor = conn.cursor()
-# ejecuta consultas de SQL
+# execute sql queries
cursor.execute("select 'blah'")
cursor.executemany("select %s", (("foo",), ("bar",)))
```
+Ejemplo de MongoDB:
+```python
+from pymongo import MongoClient
+
+# Connect to MongoDB
+client = MongoClient('mongodb://localhost:27017/')
+db = client['test_database']
+collection = db['test_collection']
+
+# Insert a document
+collection.insert_one({"name": "test", "value": 1})
+
+# Query documents
+results = collection.find({"name": "test"})
+for doc in results:
+ print(doc)
+```
+
[1]: https://ddtrace.readthedocs.io/en/stable/release_notes.html
[2]: https://ddtrace.readthedocs.io/en/stable/integrations.html#module-ddtrace.contrib.psycopg
@@ -402,7 +434,7 @@ client.connect(err => {
});
client.query('SELECT $1::text as message', ['Hello world!'], (err, result) => {
- // gestiona el resultado
+ // handle result
})
```
@@ -438,7 +470,7 @@ Al visualizar una muestra de consulta en Database Monitoring, si APM ha realizad
{{< img src="database_monitoring/dbm_apm_service_page_db_host_list.png" alt="Visualiza los hosts de bases de datos descendentes de los que dependen tus servicios de APM desde la Página de servicios.">}}
-En la página de APM de un servicio determinado, visualiza las dependencias de bases de datos descendentes directas del servicio identificadas por Database Monitoring. Determina con rapidez si algún host tiene una carga desproporcionada que puede ser causada por hosts vecinos ruidosos. Para ver la página de un servicio, haz clic en el servicio en el [Service Catalog][26] a fin de abrir un panel de detalles y, a continuación, haz clic en **View Service Page** (Ver página de servicios) en el panel.
+En la página de APM de un servicio determinado, visualiza las dependencias de bases de datos descendentes directas del servicio identificadas por Database Monitoring. Determina con rapidez si algún host tiene una carga desproporcionada que puede ser causada por hosts vecinos ruidosos. Para ver la página de un servicio, haz clic en el servicio en el [Catálogo de servicios][26] a fin de abrir un panel de detalles y, a continuación, haz clic en **View Service Page** (Ver página de servicios) en el panel.
### Identificar posibles optimizaciones mediante planes de explicación para consultas de bases de datos en trazas
@@ -481,4 +513,7 @@ Visualiza el rendimiento histórico de consultas similares a las que se ejecutan
[29]: https://pypi.org/project/mysql-connector-python/
[30]: https://pypi.org/project/mysqlclient/
[31]: https://github.com/PyMySQL/PyMySQL
-[32]: https://learn.microsoft.com/sql/connect/ado-net/introduction-microsoft-data-sqlclient-namespace
\ No newline at end of file
+[32]: https://learn.microsoft.com/sql/connect/ado-net/introduction-microsoft-data-sqlclient-namespace
+[33]: https://github.com/mongodb/node-mongodb-native
+[34]: https://www.psycopg.org/psycopg3/
+[35]: https://pymongo.readthedocs.io/en/stable/
\ No newline at end of file
diff --git a/content/es/database_monitoring/setup_postgres/aurora.md b/content/es/database_monitoring/setup_postgres/aurora.md
index 6973d936b3f89..876a2f719bda9 100644
--- a/content/es/database_monitoring/setup_postgres/aurora.md
+++ b/content/es/database_monitoring/setup_postgres/aurora.md
@@ -18,8 +18,8 @@ El Agent recopila telemetría directamente de la base de datos iniciando sesión
## Antes de empezar
-Versiones de PostgreSQL compatibles
-: 9.6, 10, 11, 12, 13, 14, 15, 16
+Versiones PostgreSQL compatibles
+: 9.6, 10, 11, 12, 13, 14, 15, 16, 17
Versiones del Agent compatibles
: v7.36.1 o posterior
@@ -188,14 +188,15 @@ Cuando se te pida una contraseña, utiliza la que introdujiste al crear el usuar
Para monitorizar hosts de Aurora, instala el Datadog Agent en tu infraestructura y configúralo para conectarse a cada endpoint de instancia de forma remota. El Agent no necesita ejecutarse en la base de datos, sólo necesita conectarse a ella. Para conocer otros métodos de instalación del Agent no mencionados aquí, consulta las [instrucciones de instalación del Agent][8].
-{{< tabs >}}
-{{% tab "Host" %}}
-
### Configuración de Autodiscovery (recomendada)
-El Datadog Agent admite la detección automática de todos los endpoints de Aurora en un clúster. A menos que quieras diferentes configuraciones para diferentes instancias o que quieras encontrar y listar los endpoints de Aurora manualmente, consulta las [instrucciones de configuración de Autodiscovery para clústeres de bases de datos de Aurora][3], en lugar de la sección de configuración manual que se muestra a continuación.
+El Datadog Agent admite Autodiscovery para todos los endpoints Aurora de un clúster.
+
+Si necesitas configuraciones diferentes para instancias específicas o si prefieres especificar manualmente los endpoints de Aurora, sigue la sección de configuración manual a continuación.
+De lo contrario, Datadog recomienda utilizar las [instrucciones de configuración de Autodiscovery para clústeres de bases de dato de Aurora][9].
-### Configuración manual
+{{< tabs >}}
+{{% tab "Host" %}}
Para configurar la recopilación de métricas de Database Monitoring para un Agent que se ejecuta en un host, por ejemplo cuando se aprovisiona una pequeña instancia de EC2 para que el Agent recopile desde una base de datos Aurora:
@@ -212,137 +213,242 @@ Para configurar la recopilación de métricas de Database Monitoring para un Age
aws:
instance_endpoint: 'Importante: Utiliza aquí el endpoint de la instancia de Aurora, no el endpoint del clúster.
-
2. [Reinicia el Agent][2].
-
[1]: https://github.com/DataDog/integrations-core/blob/master/postgres/datadog_checks/postgres/data/conf.yaml.example
[2]: /es/agent/configuration/agent-commands/#start-stop-and-restart-the-agent
-[3]: /es/database_monitoring/guide/aurora_autodiscovery/?tab=postgres
{{% /tab %}}
+
{{% tab "Docker" %}}
+Para configurar una integración para un Agent que se ejecuta en un contenedor Docker, como en ECS o Fargate, hay algunos métodos disponibles que se cubren en detalle en la [documentación de configuración de Docker][1].
-Para configurar el Agent de la Monitorización de base de datos que se ejecuta en un contenedor de Docker, como en ECS o en Fargate, puedes definir las [plantillas de integración Autodiscovery][1] como etiquetas (labels) de Docker en tu contenedor del Agent.
+Los siguientes ejemplos muestran cómo utilizar [etiquetas (labels) de Docker][2] y [plantillas de Autodiscovery][3] para configurar la integración de Postgres.
-**Nota**: El Agent debe tener permiso de lectura en el socket de Docker para que las etiquetas (labels) de Autodiscovery funcionen.
+**Nota**: El Agent debe tener permiso de lectura en el socket Docker para que las etiquetas de Autodiscovery funcionen.
### Línea de comandos
-Ponte en marcha rápidamente con el siguiente comando para ejecutar el Agent desde tu línea de comandos. Sustituye los valores para que coincidan con tu cuenta y tu entorno:
+Ejecuta el siguiente comando desde tu [línea de comandos][4] para iniciar el Agent. Sustituye los valores de los marcadores de posición por los de tu cuenta y entorno.
```bash
export DD_API_KEY=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
-export DD_AGENT_VERSION=7.36.1
+export DD_AGENT_VERSION=Importante: Utiliza el endpoint de la instancia de Aurora como host, no el endpoint del clúster.
-
Para Postgres v9.6, añade los siguientes parámetros a la configuración de la instancia donde se especifican el host y el puerto:
```yaml
-pg_stat_statements_view: datadog.pg_stat_statements()
-pg_stat_activity_view: datadog.pg_stat_activity()
+"pg_stat_statements_view": "datadog.pg_stat_statements()",
+"pg_stat_activity_view": "datadog.pg_stat_activity()"
```
+Para evitar exponer la contraseña del usuario `Datadog` en texto plano, utiliza el [paquete de gestión de secretos][5] del Agent y declara la contraseña utilizando la sintaxis `ENC[]`. Alternativamente, consulta la [documentación de variables de plantilla de Autodiscovery][6] para proporcionar la contraseña como una variable de entorno.
-[1]: /es/agent/docker/integrations/?tab=docker
+[1]: /es/containers/docker/integrations/?tab=labels#configuration
+[2]: https://docs.docker.com/engine/manage-resources/labels/
+[3]: /es/getting_started/containers/autodiscovery/
+[4]: /es/containers/docker/integrations/?tab=labels#using-docker-run-nerdctl-run-or-podman-run
+[5]: /es/agent/configuration/secrets-management
+[6]: /es/agent/faq/template_variables/
{{% /tab %}}
+
{{% tab "Kubernetes" %}}
+Si estás ejecutando un clúster de Kubernetes, usa el [Datadog Cluster Agent][1] para activar Database Monitoring.
+
+**Nota**: Asegúrate de que los [checks de clúster][2] estén activados para tu Datadog Cluster Agent antes de continuar.
+
+A continuación encontrarás instrucciones paso a paso para configurar la integración de Postgres utilizando diferentes métodos de despliegue del Datadog Cluster Agent.
-Si tienes un clúster de Kubernetes, utiliza el [Datadog Cluster Agent][1] para la Monitorización de base de datos.
+### Operación
-Sigue las instrucciones para [habilitar checks de clúster][2], si no están habilitados en tu clúster de Kubernetes. Puedes declarar la configuración de Postgres mediante archivos estáticos montados en el contenedor del Cluster Agent o utilizando anotaciones de servicios:
+Tomando como referencia las [Instrucciones para operadores en Kubernetes e integraciones][3], sigue los pasos que se indican a continuación para configurar la integración de Postgres:
+
+1. Crea o actualiza el archivo `datadog-agent.yaml` con la siguiente configuración:
+
+ ```yaml
+ apiVersion: datadoghq.com/v2alpha1
+ kind: DatadogAgent
+ metadata:
+ name: datadog
+ spec:
+ global:
+ clusterName:
-Para Windows, añade
-[1]: https://app.datadoghq.com/organization-settings/api-keys
-[2]: /es/getting_started/site
-[3]: /es/containers/kubernetes/installation/?tab=helm#installation
+### Configuración con archivos integrados
+
+Para configurar un check de clúster con un archivo de configuración montado, monta el archivo de configuración en el contenedor del Cluster Agent en la ruta: `/conf.d/postgres.yaml`:
+
+```yaml
+cluster_check: true # Make sure to include this flag
+init_config:
+instances:
+ - dbm: true
+ host: '--set targetSystem=Windows al comando helm install.
+For Windows, append --set targetSystem=windows to the helm install command.
Importante: Utiliza aquí el endpoint de la instancia de Aurora, no el endpoint del clúster.
-Para configurar más de una instancia, puedes utilizar el siguiente formato:
-
-```yaml
-apiVersion: v1
-kind: Service
-metadata:
- annotations:
- ad.datadoghq.com/service.checks: |
- {
- "postgres": {
- "instances": [
- {
- "dbm":true,
- "host":"your-host-1.us-east-2.rds.amazonaws.com",
- "password":"ENC[datadog_user_database_password]",
- "port":5432,
- "username":"(gauge) | Índice de excepciones.
_Se muestra como evento_ | ### Eventos @@ -101,9 +59,4 @@ La integración de Airbrake no incluye checks de servicios. ## Solucionar problemas -¿Necesitas ayuda? Ponte en contacto con [el soporte de Datadog][4]. - -[1]: https://docs.datadoghq.com/es/events/ -[2]: https://app.datadoghq.com/event/explorer -[3]: https://github.com/DataDog/integrations-internal-core/blob/main/airbrake/metadata.csv -[4]: https://docs.datadoghq.com/es/help/ \ No newline at end of file +¿Necesitas ayuda? Ponte en contacto con el [servicio de asistencia de Datadog](https://docs.datadoghq.com/help/). \ No newline at end of file diff --git a/content/es/integrations/amazon_codedeploy.md b/content/es/integrations/amazon_codedeploy.md new file mode 100644 index 0000000000000..9c0d7e42445fb --- /dev/null +++ b/content/es/integrations/amazon_codedeploy.md @@ -0,0 +1,147 @@ +--- +"aliases": +- "/integrations/awscodedeploy/" +"app_id": "amazon-codedeploy" +"app_uuid": "b1fcc2d7-0882-41d8-92ad-886a9750c0a9" +"assets": + "dashboards": + "aws_codedeploy": "assets/dashboards/aws_codedeploy.json" + "integration": + "auto_install": false + "events": + "creates_events": true + "metrics": + "check": "aws.codedeploy.deployment" + "metadata_path": "metadata.csv" + "prefix": "aws.codedeploy." + "service_checks": + "metadata_path": "assets/service_checks.json" + "source_type_id": !!int "198" + "source_type_name": "Amazon CodeDeploy" +"author": + "homepage": "https://www.datadoghq.com" + "name": "Datadog" + "sales_email": "info@datadoghq.com" + "support_email": "help@datadoghq.com" +"categories": +- "automation" +- "aws" +- "cloud" +- "configuration & deployment" +- "log collection" +- "provisioning" +"custom_kind": "integration" +"dependencies": [] +"description": "Ve los despliegues a medida que se producen y controla el tiempo que tardan" +"display_on_public_website": true +"doc_link": "https://docs.datadoghq.com/integrations/amazon_codedeploy/" +"draft": false +"git_integration_title": "amazon_codedeploy" +"has_logo": true +"integration_id": "amazon-codedeploy" +"integration_title": "AWS CodeDeploy" +"integration_version": "" +"is_public": true +"manifest_version": "2.0.0" +"name": "amazon_codedeploy" +"public_title": "AWS CodeDeploy" +"short_description": "AWS CodeDeploy es un servicio que automatiza el despliegue de código en instancias en la nube y on-premise." +"supported_os": [] +"tile": + "changelog": "CHANGELOG.md" + "classifier_tags": + - "Category::Automatización" + - "Category::AWS" + - "Category::Cloud" + - "Category::Configuración y despliegue" + - "Category::Recopilación de logs" + - "Category::Provisioning" + - "Offering::Integration" + "configuration": "README.md#Configuración" + "description": "AWS CodeDeploy es un servicio que automatiza el despliegue de código en instancias en la nube y on-premise." + "media": [] + "overview": "README.md#Información general" + "support": "README.md#Soporte" + "title": "AWS CodeDeploy" +"version": "1.0" +--- + + +![CodeDeploy default dashboard][1] + +## Información general + +AWS CodeDeploy es un servicio que automatiza el despliegue de código en instancias en la nube y on-premise. + +Habilita esta integración para ver eventos de despliegue y métricas de AWS CodeDeploy en Datadog. + +## Configuración + +### Instalación + +Si aún no lo has hecho, primero configura la [integración de Amazon Web Services][2]. + +### Recopilación de métricas + +1. Añade los siguientes permisos a tu [política de Datadog IAM][3] para poder recopilar métricas de AWS CodeDeploy. Para obtener más información, consulta las [políticas de CodeDeploy][4] en el sitio web de AWS. + + | Permiso de AWS | Descripción | + | ------------------------------------- | ----------------------------------------------------------------------------- | + | `codedeploy:ListApplications` | Se utiliza para hacer una lista de todas las aplicaciones de CodeDeploy | + | `codedeploy:ListDeploymentGroups` | Se utiliza para hacer una lista de todos los grupos de despliegues dentro de una aplicación (editado) | + | `codedeploy:ListDeployments` | Se utiliza para hacer una lista de despliegues en un grupo de despliegues dentro de una aplicación (editado) | + | `codedeploy:BatchGetDeployments` | Obtiene descripciones detalladas de los despliegues (editados) | + | `codedeploy:BatchGetDeploymentGroups` | Obtiene descripciones detalladas de los grupos de despliegues | + +2. Instala la [integración Datadog - AWS CodeDeploy][5]. + +### Recopilación de logs + +#### Activar logging + +Configura AWS CodeDeploy para enviar logs a un bucket de S3 o a CloudWatch. + +**Nota**: Si vas a loguear en un bucket de S3, asegúrate de que `amazon_codedeploy` está configurado como _Target prefix_ (Prefijo de destino). + +#### Enviar logs a Datadog + +1. Si aún no lo has hecho, configura la [función de Lambda de Datadog Forwarder][6]. +2. Una vez instalada la función de Lambda, añade manualmente un activador en el bucket de S3 o grupo de logs de CloudWatch que contenga tus logs de AWS CodeDeploy en la consola de AWS: + + - [Añadir un activador manual en el bucket de S3][7] + - [Añadir un activador manual en el grupo de logs de CloudWatch][8] + +## Datos recopilados + +### Métricas +{{< get-metrics-from-git "amazon_codedeploy" >}} + + +A cada una de las métricas recuperadas de AWS se le asignan las mismas etiquetas (tags) que aparecen en la consola de AWS, incluidos, entre otros, el nombre del host y los grupos de seguridad. + +### Eventos + +La integración de AWS CodeDeploy incluye eventos para despliegues exitosos, fallidos y detenidos. Consulta los eventos de ejemplo a continuación: + +![AWS CodeDeploy Event][10] + +### Checks de servicio + +La integración de AWS CodeDeploy no incluye ningún check de servicio. + +## Solucionar problemas + +¿Necesitas ayuda? Ponte en contacto con el [equipo de asistencia de Datadog][11]. + +[1]: images/monitor-aws-codedeploy-dashboard.png +[2]: https://docs.datadoghq.com/integrations/amazon_web_services/ +[3]: https://docs.datadoghq.com/integrations/amazon_web_services/#installation +[4]: https://docs.aws.amazon.com/codedeploy/latest/userguide/security-iam.html +[5]: https://app.datadoghq.com/integrations/amazon_codedeploy +[6]: https://docs.datadoghq.com/logs/guide/forwarder/ +[7]: https://docs.datadoghq.com/logs/guide/send-aws-services-logs-with-the-datadog-lambda-function/#collecting-logs-from-s3-buckets +[8]: https://docs.datadoghq.com/logs/guide/send-aws-services-logs-with-the-datadog-lambda-function/#collecting-logs-from-cloudwatch-log-group +[9]: https://github.com/DataDog/integrations-internal-core/blob/main/amazon_codedeploy/metadata.csv +[10]: images/aws_codedeploy_events.png +[11]: https://docs.datadoghq.com/help/ + diff --git a/content/es/integrations/amazon_web_services.md b/content/es/integrations/amazon_web_services.md index 0341ac1998de6..e54ccfe4e78cb 100644 --- a/content/es/integrations/amazon_web_services.md +++ b/content/es/integrations/amazon_web_services.md @@ -1,42 +1,80 @@ --- -aliases: -- /es/integrations/aws/ -- /es/logs/aws -- /es/integrations/faq/revoking-aws-keys-and-enabling-role-delegation-for-the-datadog-aws-integration/ -- /es/integrations/faq/additional-aws-metrics-min-max-sum -- /es/integrations/faq/why-am-i-only-seeing-the-average-values-of-my-custom-aws-cloudwatch-metrics/ +app_id: "amazon-web-services" +app_uuid: "45508037-7831-469d-80da-20241f00cbed" +assets: + dashboards: + aws_advisor: "assets/dashboards/aws_advisor.json" + aws_ebs: "assets/dashboards/aws_ebs.json" + aws_event_bridge: "assets/dashboards/aws_event_bridge.json" + aws_firehose: "assets/dashboards/aws_firehose.json" + aws_overall: "assets/dashboards/aws_overall.json" + aws_sns: "assets/dashboards/aws_sns.json" + aws_sqs: "assets/dashboards/aws_sqs.json" + integration: + auto_install: false + events: + creates_events: true + metrics: + check: + - "aws.usage.call_count" + metadata_path: "assets/metrics/metric-spec.yaml" + prefix: "aws." + service_checks: + metadata_path: "assets/service_checks.json" + source_type_id: !!int "10" + source_type_name: "Amazon Web Services" + monitors: + "Integration Health Status": "assets/monitors/aws_integration_status_monitor.json" +author: + homepage: "https://www.datadoghq.com" + name: "Datadog" + sales_email: "info@datadoghq.com" + support_email: "help@datadoghq.com" categories: -- aws -- cloud -- iot -- log collection -- event management -custom_kind: integration +- "aws" +- "cloud" +- "iot" +- "log collection" +- "event management" +custom_kind: "integración" dependencies: [] -description: Integra tus servicios de AWS con Datadog. -doc_link: https://docs.datadoghq.com/integrations/amazon_web_services/ +display_on_public_website: true draft: false -further_reading: -- link: https://www.datadoghq.com/blog/monitor-aws-control-plane-api-usage-metrics/ - tag: Blog - text: Monitoriza las métricas de uso de la API del plano de control de AWS en Datadog -- link: https://www.datadoghq.com/blog/aws-reinvent-2022-recap/ - tag: Blog - text: Aspectos destacados de AWS re:Invent 2022 -git_integration_title: amazon_web_services -has_logo: true -integration_id: amazon-web-services -integration_title: AWS -integration_version: '' +git_integration_title: "amazon_web_services" +integration_id: "amazon-web-services" +integration_title: "Amazon Web Services" +integration_version: "" is_public: true -manifest_version: '1.0' -name: amazon_web_services -public_title: Integración de AWS con Datadog -short_description: Integra tus servicios de AWS con Datadog. -version: '1.0' +manifest_version: "2.0.0" +name: "amazon_web_services" +public_title: "Amazon Web Services" +short_description: "Amazon Web Services (AWS) es un conjunto de servicios web que juntos conforman una plataforma de computación en la nube" +supported_os: [] +tile: + changelog: "CHANGELOG.md" + classifier_tags: + - "Category::AWS" + - "Category::Cloud" + - "Category::IoT" + - "Category::Recopilación de logs" + - "Category::Event Management" + - "Offering::Integration" + configuration: "README.md#Setup" + description: "Amazon Web Services (AWS) es un conjunto de servicios web que juntos conforman una plataforma de computación en la nube" + media: [] + overview: "README.md#Overview" + resources: + - resource_type: "blog" + url: "https://www.datadoghq.com/blog/monitor-aws-control-plane-api-usage-metrics/" + - resource_type: "blog" + url: "https://www.datadoghq.com/blog/aws-reinvent-2022-recap/" + - resource_type: "blog" + url: "https://www.datadoghq.com/blog/iam-least-privilege/" + support: "README.md#Support" + title: "Amazon Web Services" --- - + ## Información general Conecta Amazon Web Services (AWS) para: @@ -52,31 +90,31 @@ Para empezar a utilizar la integración de AWS cuanto antes, consulta la [guía La integración Amazon Web Services de Datadog recopila logs, eventos y [la mayoría de las métricas de CloudWatch][2] para más de [90 servicios AWS][3]. -## Configuración +## Configurar Usa uno de los siguientes métodos para integrar tus cuentas de AWS en Datadog con el fin de recopilar métricas, eventos, etiquetas y logs. -### Automática +### Automático - * **CloudFormation (el mejor método para empezar cuanto antes)** + * **CloudFormation (la mejor opción para empezar rápidamente)**. Para configurar la integración de AWS con CloudFormation, consulta la [guía sobre cómo empezar con AWS][1]. - * **Terraform** + * **Terraform** Para configurar la integración AWS con Terraform, consulta la [integración AWS con Terraform][4]. - * **Control Tower** + * **Control Tower** Para configurar la integración AWS al proporcionar una nueva cuenta AWS con [Control Tower Account Factory][5], consulta la [guía de configuración de Control Tower][6]. - * **Configuración de varias cuentas para AWS Organizations** + * **Configuración multicuenta para AWS Organizations** Para configurar la integración AWS para varias cuentas dentro de una organización AWS, consulta la [guía de configuración de AWS Organizations][7]. -### Manual +### Manual - * **Delegación de roles** + * **Delegación de roles** Para configurar manualmente la integración AWS con delegación de roles, consulta la [guía de configuración manual][8]. * **Claves de acceso (sólo GovCloud o China)** - Para configurar la integración AWS con claves de acceso, consulta la [guía de configuración manual][9]. + Para configurar la integración de AWS con las claves de acceso, consulta la [guía de configuración manual][9]. *\* Cualquier uso de los servicios Datadog en China continental (o relacionados con entornos de esta localización) está sujeto a la cláusula de exención de responsabilidad, publicada en la sección [Localizaciones con restricciones de servicio][10] de nuestro sitio web.* @@ -106,23 +144,56 @@ Algunos productos de Datadog aprovechan la información de configuración de tus {{% aws-resource-collection %}} -### Gestión de la seguridad en la nube +### Tipos de recursos y permisos -#### Configuración +En las siguientes secciones se enumeran los tipos de recursos recopilados para los distintos productos de Datadog y los permisos asociados necesarios para que el rol de IAM de Datadog recopile datos en tu nombre. Añade estos permisos a tu política de IAM de la integración de AWS **existente** (con la política `SecurityAudit` adjunta). -Si no tienes configurada la integración AWS para tu cuenta AWS, completa el [proceso de configuración][16] anterior. Asegúrate de habilitar Cloud Security Management cuando se mencione. +{{% collapse-content title="Cloud Cost Management (CCM)" level="h4" expanded=false id="cloud-cost-management" %}} +{{% aws-resource-collection-cloud-cost-management %}} +{{% /collapse-content %}} + +{{% collapse-content title="Cloudcraft" level="h4" expanded=false id="cloudcraft" %}} +{{% aws-resource-collection-cloudcraft %}} +{{% /collapse-content %}} + +{{% collapse-content title="Cloud Security Monitoring (CSM)" level="h4" expanded=false id="cloud-security-monitoring" %}} +{{% aws-resource-collection-cloud-security-monitoring %}} +{{% /collapse-content %}} + +{{% collapse-content title="Network Performance Monitoring (NPM)" level="h4" expanded=false id="network-performance-monitoring" %}} +{{% aws-resource-collection-network-performance-monitoring %}} +{{% /collapse-content %}} + +{{% collapse-content title="Catálogo de recursos" level="h4" expanded=false id="resource-catalog" %}} +{{% aws-resource-collection-resource-catalog %}} +{{% /collapse-content %}} + +#### Próximos lanzamientos + +Los permisos enumerados aquí reflejan los recursos que está previsto añadir en los próximos 30 días. Incluye estos permisos en tu política de IAM de integración de AWS **existente** (con la política `SecurityAudit` adjunta) para obtener todos los beneficios de la cobertura y el seguimiento de recursos de Datadog. + +{{% collapse-content title="Permisos para próximos lanzamientos" level="h4" expanded=false id="upcoming-permissions" %}} +{{% aws-resource-collection-upcoming-permissions %}} +{{% /collapse-content %}} + +### Cloud Security + +#### Configurar + +Si no tienes configurada la integración AWS para tu cuenta AWS, completa el [proceso de configuración][16] anterior. Asegúrate de habilitar Cloud Security cuando se mencione. **Nota:** Para usar esta función, es necesario configurar la integración de AWS con **Delegación de roles*.* -Para añadir Cloud Security Management a una integración AWS existente, sigue los pasos que se indican a continuación para habilitar la recopilación de recursos. +Para añadir Cloud Security a una integración existente en AWS, sigue los pasos que se indican a continuación para habilitar la recopilación de recursos. 1. Proporciona los permisos necesarios al rol de IAM Datadog adjuntando la política de AWS gestionada `SecurityAudit` a tu rol de IAM AWS Datadog. Puedes encontrar este política en la [consola de AWS][17]. 2. Completa la configuración en la [página de la integración AWS Datadog][18] con los pasos que se indican a continuación. Como alternativa, puedes utilizar el endpoint de la API [Actualizar una integración AWS][8]. 1. Selecciona la cuenta AWS en la que quieres habilitar la recopilación de recursos. - 2. Ve a la pestaña **Recopilación de recursos** de esa cuenta y habilita `Cloud Security Posture Management Collection`. - 3. En la parte inferior derecha de la página, haz clic en `Save`. + 2. En la pestaña **Resource collection** (Recopilación de recursos), haz clic en **Enable** (Habilitar) junto a Cloud Security. Se te redirigirá a la página de configuración de Cloud Security y se abrirá automáticamente un cuadro de diálogo de configuración para la cuenta seleccionada. + 3. En el cuadro de diálogo de configuración, activa la casilla **Enable Resource Scanning** (Activar escaneado de recursos). + 4. Haz clic en **Done** (Hecho) para completar la configuración. ## Recopilación de alarmas @@ -134,7 +205,7 @@ Hay dos maneras de enviar alarmas de CloudWatch AWS al Explorador de eventos de ## Datos recopilados ### Métricas -{{< get-metrics-from-git "amazon-web-services" >}} +{{< get-metrics-from-git "amazon_web_services" >}} **Nota**: Puedes habilitar la recopilación de métricas personalizadas de AWS, así como métricas de servicios para los que Datadog no tiene una integración. Consulta las [FAQ sobre la integración de AWS y CloudWatch][22] para obtener más información. @@ -143,13 +214,13 @@ Hay dos maneras de enviar alarmas de CloudWatch AWS al Explorador de eventos de Los eventos de AWS se recopilan por cada servicio AWS. Para obtener más información sobre eventos recopilados, consulta la [documentación de tu servicio AWS][3]. -### Etiquetas +### Etiquetas (Tags) Las siguientes etiquetas se recopilan con la integración de AWS. **Nota**: Algunas etiquetas solo se muestran en determinadas métricas. | Integración | Claves de etiqueta de Datadog | |------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| -| Todas | `region` | +| Todos | `region` | | [API Gateway][23] | `apiid`, `apiname`, `method`, `resource`, `stage` | | [App Runner][24] | `instance`, `serviceid`, `servicename` | | [Auto Scaling][25] | `autoscalinggroupname`, `autoscaling_group` | @@ -191,7 +262,7 @@ Las siguientes etiquetas se recopilan con la integración de AWS. **Nota**: Algu | [WorkSpaces][61] | `directoryid`, `workspaceid` | ### Checks de servicio -{{< get-service-checks-from-git "amazon-web-services" >}} +{{< get-service-checks-from-git "amazon_web_services" >}} ## Solucionar problemas @@ -200,68 +271,76 @@ Para solucionar problemas relacionados con la integración AWS, consulta la [gu ## Referencias adicionales -{{< partial name="whats-next/whats-next.html" >}} +Documentación útil adicional, enlaces y artículos: +- [Monitoriza las métricas de uso de la API del plano de control de AWS en Datadog][64] +- [Aspectos destacados de AWS re:Invent 2022][65] +- [Prácticas recomendadas para crear políticas de AWS IAM de mínimo privilegio][66] + -[1]: https://docs.datadoghq.com/es/getting_started/integrations/aws/ +[1]: https://docs.datadoghq.com/getting_started/integrations/aws/ [2]: https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/aws-services-cloudwatch-metrics.html -[3]: https://docs.datadoghq.com/es/integrations/#cat-aws -[4]: https://docs.datadoghq.com/es/integrations/guide/aws-terraform-setup +[3]: https://docs.datadoghq.com/integrations/#cat-aws +[4]: https://docs.datadoghq.com/integrations/guide/aws-terraform-setup/ [5]: https://docs.aws.amazon.com/controltower/latest/userguide/account-factory.html [6]: https://aws.amazon.com/blogs/awsmarketplace/deploy-datadogs-aws-integration-accounts-aws-control-tower-account-factory-customization/ -[7]: https://docs.datadoghq.com/es/integrations/guide/aws-organizations-setup/ -[8]: https://docs.datadoghq.com/es/integrations/guide/aws-manual-setup/ -[9]: https://docs.datadoghq.com/es/integrations/guide/aws-manual-setup/?tab=accesskeysgovcloudorchinaonly +[7]: https://docs.datadoghq.com/integrations/guide/aws-organizations-setup/ +[8]: https://docs.datadoghq.com/integrations/guide/aws-manual-setup/ +[9]: https://docs.datadoghq.com/integrations/guide/aws-manual-setup/?tab=accesskeysgovcloudorchinaonly [10]: https://www.datadoghq.com/legal/restricted-service-locations/ -[11]: https://docs.datadoghq.com/es/logs/guide/send-aws-services-logs-with-the-datadog-kinesis-firehose-destination/ -[12]: https://docs.datadoghq.com/es/logs/guide/send-aws-services-logs-with-the-datadog-lambda-function/ -[13]: https://docs.datadoghq.com/es/integrations/guide/cloud-metric-delay/#aws -[14]: https://docs.datadoghq.com/es/integrations/guide/aws-cloudwatch-metric-streams-with-kinesis-data-firehose/ -[15]: https://docs.datadoghq.com/es/account_management/billing/aws/ -[16]: https://docs.datadoghq.com/es/integrations/amazon_web_services/?tab=roledelegation#setup +[11]: https://docs.datadoghq.com/logs/guide/send-aws-services-logs-with-the-datadog-kinesis-firehose-destination/ +[12]: https://docs.datadoghq.com/logs/guide/send-aws-services-logs-with-the-datadog-lambda-function/ +[13]: https://docs.datadoghq.com/integrations/guide/cloud-metric-delay/#aws +[14]: https://docs.datadoghq.com/integrations/guide/aws-cloudwatch-metric-streams-with-kinesis-data-firehose/ +[15]: https://docs.datadoghq.com/account_management/billing/aws/ +[16]: https://docs.datadoghq.com/integrations/amazon_web_services/?tab=roledelegation#setup [17]: https://console.aws.amazon.com/iam/home#policies/arn:aws:iam::aws:policy/SecurityAudit [18]: https://app.datadoghq.com/integrations/amazon-web-services [19]: https://docs.aws.amazon.com/AmazonCloudWatch/latest/APIReference/API_DescribeAlarmHistory.html#API_DescribeAlarmHistory_RequestParameters -[20]: https://docs.datadoghq.com/es/integrations/amazon_sns/#receive-sns-messages -[21]: https://github.com/DataDog/dogweb/blob/prod/integration/amazon_web_services/amazon_web_services_metadata.csv -[22]: https://docs.datadoghq.com/es/integrations/guide/aws-integration-and-cloudwatch-faq/#can-i-collect-aws-custom-metrics-through-the-integration -[23]: https://docs.datadoghq.com/es/integrations/amazon_api_gateway/ -[24]: https://docs.datadoghq.com/es/integrations/amazon_app_runner -[25]: https://docs.datadoghq.com/es/integrations/amazon_auto_scaling/ -[26]: https://docs.datadoghq.com/es/integrations/amazon_billing/ -[27]: https://docs.datadoghq.com/es/integrations/amazon_cloudfront/ -[28]: https://docs.datadoghq.com/es/integrations/amazon_codebuild/ -[29]: https://docs.datadoghq.com/es/integrations/amazon_codedeploy/ -[30]: https://docs.datadoghq.com/es/integrations/amazon_directconnect/ -[31]: https://docs.datadoghq.com/es/integrations/amazon_dynamodb/ -[32]: https://docs.datadoghq.com/es/integrations/amazon_ebs/ -[33]: https://docs.datadoghq.com/es/integrations/amazon_ec2/ -[34]: https://docs.datadoghq.com/es/integrations/amazon_ecs/ -[35]: https://docs.datadoghq.com/es/integrations/amazon_efs/ -[36]: https://docs.datadoghq.com/es/integrations/amazon_elasticache/ -[37]: https://docs.datadoghq.com/es/integrations/amazon_elasticbeanstalk/ -[38]: https://docs.datadoghq.com/es/integrations/amazon_elb/ -[39]: https://docs.datadoghq.com/es/integrations/amazon_emr/ -[40]: https://docs.datadoghq.com/es/integrations/amazon_es/ -[41]: https://docs.datadoghq.com/es/integrations/amazon_firehose/ -[42]: https://docs.datadoghq.com/es/integrations/amazon_fsx/ -[43]: https://docs.datadoghq.com/es/integrations/amazon_health/ -[44]: https://docs.datadoghq.com/es/integrations/amazon_iot/ -[45]: https://docs.datadoghq.com/es/integrations/amazon_kinesis/ -[46]: https://docs.datadoghq.com/es/integrations/amazon_kms/ -[47]: https://docs.datadoghq.com/es/integrations/amazon_lambda/ -[48]: https://docs.datadoghq.com/es/integrations/amazon_machine_learning/ -[49]: https://docs.datadoghq.com/es/integrations/amazon_mq/ -[50]: https://docs.datadoghq.com/es/integrations/amazon_ops_works/ -[51]: https://docs.datadoghq.com/es/integrations/amazon_polly/ -[52]: https://docs.datadoghq.com/es/integrations/amazon_rds/ -[53]: https://docs.datadoghq.com/es/integrations/amazon_rds_proxy/ -[54]: https://docs.datadoghq.com/es/integrations/amazon_redshift/ -[55]: https://docs.datadoghq.com/es/integrations/amazon_route53/ -[56]: https://docs.datadoghq.com/es/integrations/amazon_s3/ -[57]: https://docs.datadoghq.com/es/integrations/amazon_ses/ -[58]: https://docs.datadoghq.com/es/integrations/amazon_sns/ -[59]: https://docs.datadoghq.com/es/integrations/amazon_sqs/ -[60]: https://docs.datadoghq.com/es/integrations/amazon_vpc/ -[61]: https://docs.datadoghq.com/es/integrations/amazon_workspaces/ -[62]: https://github.com/DataDog/dogweb/blob/prod/integration/amazon_web_services/service_checks.json -[63]: https://docs.datadoghq.com/es/integrations/guide/aws-integration-troubleshooting/ \ No newline at end of file +[20]: https://docs.datadoghq.com/integrations/amazon_sns/#receive-sns-messages +[21]: https://github.com/DataDog/integrations-internal-core/blob/main/amazon_web_services/assets/metrics/metric-spec.yaml +[22]: https://docs.datadoghq.com/integrations/guide/aws-integration-and-cloudwatch-faq/#can-i-collect-aws-custom-metrics-through-the-integration +[23]: https://docs.datadoghq.com/integrations/amazon_api_gateway/ +[24]: https://docs.datadoghq.com/integrations/amazon_app_runner +[25]: https://docs.datadoghq.com/integrations/amazon_auto_scaling/ +[26]: https://docs.datadoghq.com/integrations/amazon_billing/ +[27]: https://docs.datadoghq.com/integrations/amazon_cloudfront/ +[28]: https://docs.datadoghq.com/integrations/amazon_codebuild/ +[29]: https://docs.datadoghq.com/integrations/amazon_codedeploy/ +[30]: https://docs.datadoghq.com/integrations/amazon_directconnect/ +[31]: https://docs.datadoghq.com/integrations/amazon_dynamodb/ +[32]: https://docs.datadoghq.com/integrations/amazon_ebs/ +[33]: https://docs.datadoghq.com/integrations/amazon_ec2/ +[34]: https://docs.datadoghq.com/integrations/amazon_ecs/ +[35]: https://docs.datadoghq.com/integrations/amazon_efs/ +[36]: https://docs.datadoghq.com/integrations/amazon_elasticache/ +[37]: https://docs.datadoghq.com/integrations/amazon_elasticbeanstalk/ +[38]: https://docs.datadoghq.com/integrations/amazon_elb/ +[39]: https://docs.datadoghq.com/integrations/amazon_emr/ +[40]: https://docs.datadoghq.com/integrations/amazon_es/ +[41]: https://docs.datadoghq.com/integrations/amazon_firehose/ +[42]: https://docs.datadoghq.com/integrations/amazon_fsx/ +[43]: https://docs.datadoghq.com/integrations/amazon_health/ +[44]: https://docs.datadoghq.com/integrations/amazon_iot/ +[45]: https://docs.datadoghq.com/integrations/amazon_kinesis/ +[46]: https://docs.datadoghq.com/integrations/amazon_kms/ +[47]: https://docs.datadoghq.com/integrations/amazon_lambda/ +[48]: https://docs.datadoghq.com/integrations/amazon_machine_learning/ +[49]: https://docs.datadoghq.com/integrations/amazon_mq/ +[50]: https://docs.datadoghq.com/integrations/amazon_ops_works/ +[51]: https://docs.datadoghq.com/integrations/amazon_polly/ +[52]: https://docs.datadoghq.com/integrations/amazon_rds/ +[53]: https://docs.datadoghq.com/integrations/amazon_rds_proxy/ +[54]: https://docs.datadoghq.com/integrations/amazon_redshift/ +[55]: https://docs.datadoghq.com/integrations/amazon_route53/ +[56]: https://docs.datadoghq.com/integrations/amazon_s3/ +[57]: https://docs.datadoghq.com/integrations/amazon_ses/ +[58]: https://docs.datadoghq.com/integrations/amazon_sns/ +[59]: https://docs.datadoghq.com/integrations/amazon_sqs/ +[60]: https://docs.datadoghq.com/integrations/amazon_vpc/ +[61]: https://docs.datadoghq.com/integrations/amazon_workspaces/ +[62]: https://github.com/DataDog/integrations-internal-core/blob/main/amazon_web_services/assets/service_checks.json +[63]: https://docs.datadoghq.com/integrations/guide/aws-integration-troubleshooting/ +[64]: https://www.datadoghq.com/blog/monitor-aws-control-plane-api-usage-metrics/ +[65]: https://www.datadoghq.com/blog/aws-reinvent-2022-recap/ +[66]: https://www.datadoghq.com/blog/iam-least-privilege/ + diff --git a/content/es/integrations/google_cloud_dataflow.md b/content/es/integrations/google_cloud_dataflow.md index 14137e866a138..6b52764b073c9 100644 --- a/content/es/integrations/google_cloud_dataflow.md +++ b/content/es/integrations/google_cloud_dataflow.md @@ -1,4 +1,28 @@ --- +app_id: google-cloud-dataflow +app_uuid: 27fcc215-6351-4e39-8320-19fe03ed7634 +assets: + dashboards: + google_cloud_dataflow: assets/dashboards/google_cloud_dataflow.json + integration: + auto_install: true + events: + creates_events: false + metrics: + check: gcp.dataflow.job.total_vcpu_time + metadata_path: metadata.csv + prefix: gcp.dataflow. + service_checks: + metadata_path: assets/service_checks.json + source_type_id: 265 + source_type_name: Google Cloud Dataflow + monitors: + Job backlog time is high: assets/monitors/backlog_monitor.json +author: + homepage: https://www.datadoghq.com + name: Datadog + sales_email: info@datadoghq.com + support_email: help@datadoghq.com categories: - nube - google cloud @@ -6,6 +30,7 @@ categories: custom_kind: integración dependencies: [] description: Realiza el seguimiento de las métricas de Google Cloud Dataflow. +display_on_public_website: true doc_link: https://docs.datadoghq.com/integrations/google_cloud_dataflow/ draft: false further_reading: @@ -18,16 +43,35 @@ integration_id: google-cloud-dataflow integration_title: Google Cloud Dataflow integration_version: '' is_public: true -manifest_version: '1.0' +manifest_version: 2.0.0 monitors: Job backlog time is high: assets/monitors/backlog_monitor.json name: google_cloud_dataflow -public_title: Integración de Datadog y Google Cloud Dataflow -short_description: Realiza el seguimiento de las métricas de Google Cloud Dataflow. +public_title: Google Cloud Dataflow +short_description: Un servicio gestionado para transformar y enriquecer datos tanto + en tiempo real como en modo histórico. +supported_os: [] +tile: + changelog: CHANGELOG.md + classifier_tags: + - Categoría::Nube + - Categoría::Google Cloud + - Category::Log Collection + - Offering::Integration + configuration: README.md#Setup + description: Un servicio gestionado para transformar y enriquecer datos tanto en + tiempo real como en modo histórico. + media: [] + overview: README.md#Overview + resources: + - resource_type: Blog + url: https://www.datadoghq.com/blog/monitor-dataflow-pipelines-with-datadog/ + support: README.md#Support + title: Google Cloud Dataflow version: '1.0' --- - + ## Información general Google Cloud Dataflow es un servicio totalmente gestionado para transformar y enriquecer datos en los modos flujo (stream) (en tiempo real) y batch (histórico) con la misma fiabilidad y expresividad. @@ -42,7 +86,7 @@ Utiliza la integración de Google Cloud con Datadog para recopilar métricas de Si aún no lo has hecho, primero configura la [integración Google Cloud Platform][1]. No es necesario realizar ningún otro paso de instalación. -### APM +### Recopilación de logs Los logs de Google Cloud Dataflow se recopilan con Google Cloud Logging y se envían a una tarea de Dataflow a través de un tema Cloud Pub/Sub. Si aún no lo has hecho, [configura la generación de logs con la plantilla Dataflow de Datadog][2]. @@ -56,7 +100,7 @@ Una vez hecho esto, exporta tus logs de Google Cloud Dataflow desde Google Cloud ## Datos recopilados ### Métricas -{{< get-metrics-from-git "google-cloud-dataflow" >}} +{{< get-metrics-from-git "google_cloud_dataflow" >}}
@@ -67,15 +111,15 @@ Al utilizar Google Cloud Dataflow para monitorizar métricas de pipelines Apache
La integración Google Cloud Dataflow no incluye eventos.
-### Checks de servicio
+### Checks de servicios
La integración Google Cloud Dataflow no incluye checks de servicio.
-## Resolución de problemas
+## Solucionar problemas
¿Necesitas ayuda? Ponte en contacto con el [servicio de asistencia de Datadog][5].
-## Leer más
+## Referencias adicionales
{{< partial name="whats-next/whats-next.html" >}}
diff --git a/content/es/integrations/nvidia_jetson.md b/content/es/integrations/nvidia_jetson.md
index 75629054624d3..8f3ad7a8918fc 100644
--- a/content/es/integrations/nvidia_jetson.md
+++ b/content/es/integrations/nvidia_jetson.md
@@ -16,7 +16,7 @@ assets:
service_checks:
metadata_path: assets/service_checks.json
source_type_id: 10134
- source_type_name: NVIDIA Jetson
+ source_type_name: Nvidia Jetson
author:
homepage: https://www.datadoghq.com
name: Datadog
@@ -24,20 +24,20 @@ author:
support_email: help@datadoghq.com
categories:
- iot
-custom_kind: integration
+custom_kind: integración
dependencies:
- https://github.com/DataDog/integrations-core/blob/master/nvidia_jetson/README.md
display_on_public_website: true
draft: false
git_integration_title: nvidia_jetson
integration_id: nvidia-jetson
-integration_title: NVIDIA Jetson
+integration_title: Nvidia Jetson
integration_version: ''
is_public: true
manifest_version: 2.0.0
name: nvidia_jetson
-public_title: NVIDIA Jetson
-short_description: Obtén métricas sobre tu placa NVIDIA Jetson
+public_title: Nvidia Jetson
+short_description: Obtén métricas sobre tu placa Nvidia Jetson
supported_os:
- linux
tile:
@@ -47,11 +47,11 @@ tile:
- Category::IoT
- Offering::Integration
configuration: README.md#Setup
- description: Obtén métricas sobre tu placa NVIDIA Jetson
+ description: Obtén métricas sobre tu placa Nvidia Jetson
media: []
overview: README.md#Overview
support: README.md#Support
- title: NVIDIA Jetson
+ title: Nvidia Jetson
---
@@ -60,13 +60,13 @@ tile:
## Información general
Este check monitoriza una placa [NVIDIA Jetson][1].
-Informa de las métricas recopiladas de `tegrastats`.
+Informa las métricas recopiladas de `tegrastats`.
## Configuración
### Instalación
-El check de NVIDIA Jetson está incluido en el paquete del [Datadog Agent][2].
+El check de NVIDIA Jetson está incluidoo en el paquete del [Datadog Agent ][2].
No es necesaria ninguna instalación adicional en tu servidor.
### Configuración
@@ -84,7 +84,7 @@ Ejecuta el [subcomando de estado del Agent][5] y busca `jetson` en la sección C
## Datos recopilados
### Métricas
-{{< get-metrics-from-git "nvidia-jetson" >}}
+{{< get-metrics-from-git "nvidia_jetson" >}}
Algunas métricas solo se notifican si `use_sudo` está configurado como verdadero:
@@ -113,4 +113,4 @@ La integración de NVIDIA Jetson no incluye ningún evento.
[4]: https://docs.datadoghq.com/es/agent/guide/agent-commands/#start-stop-restart-the-agent
[5]: https://docs.datadoghq.com/es/agent/guide/agent-commands/#agent-status-and-information
[6]: https://github.com/DataDog/integrations-core/blob/master/nvidia_jetson/metadata.csv
-[7]: https://docs.datadoghq.com/es/help/
+[7]: https://docs.datadoghq.com/es/help/
\ No newline at end of file
diff --git a/content/es/integrations/quarkus.md b/content/es/integrations/quarkus.md
new file mode 100644
index 0000000000000..0afbb4b71a7b1
--- /dev/null
+++ b/content/es/integrations/quarkus.md
@@ -0,0 +1,134 @@
+---
+app_id: quarkus
+categories:
+- métricas
+- recopilación de logs
+custom_kind: integración
+description: Monitoriza tu aplicación creada con Quarkus.
+integration_version: 2.0.0
+media: []
+supported_os:
+- linux
+- windows
+- macos
+title: Quarkus
+---
+## Información general
+
+Este control supervisa [Quarkus](https://quarkus.io/) a través del Datadog Agent.
+
+## Configuración
+
+Siga las siguientes instrucciones para instalar y configurar esta comprobación para un Agent que se ejecute en un host. Para entornos en contenedores, consulte las [Autodiscovery Plantillas de integración](https://docs.datadoghq.com/agent/kubernetes/integrations/) para obtener orientación sobre la aplicación de estas instrucciones.
+
+### Instalación
+
+La comprobación de Quarkus se incluye en el paquete [Datadog Agent](https://app.datadoghq.com/account/settings/agent/latest) a partir de Agent 7.62.
+No es necesaria ninguna instalación adicional en su servidor.
+
+### Configuración
+
+Siga [estos pasos](https://quarkus.io/guides/telemetry-micrometer-tutorial) para configurar la generación de métricas en Quarkus.
+
+Luego, configura el Agent:
+
+1. Edita el archivo `quarkus.d/conf.yaml`, en la carpeta `conf.d/` en la raíz de tu directorio de configuración Agent's para empezar a recoger tus datos de rendimiento de Quarkus. Consulte [sample quarkus.d/conf.yaml](https://github.com/DataDog/integrations-core/blob/master/quarkus/datadog_checks/quarkus/data/conf.yaml.example) para conocer todas las opciones de configuración disponibles.
+
+1. [Reinicie el Agent](https://docs.datadoghq.com/agent/guide/agent-commands/#start-stop-and-restart-the-agent).
+
+#### Recopilación de logs
+
+Siga [estos pasos](https://quarkus.io/guides/logging) para configurar Quarkus para que emita registros.
+
+La recopilación de logs está desactivada por defecto en el Datadog Agent. Actívala en tu archivo `datadog.yaml`:
+
+```yaml
+logs_enabled: true
+```
+
+Edita la sección `logs` de tu archivo `quarkus.d/conf.yaml` para empezar a recopilar tus logs de RabbitMQ:
+
+```yaml
+logs:
+ - tipo: file
+ ruta: /var/log/aplicación.log
+ source (fuente) quarkus
+ servicio: quarkus-app
+```
+
+### Validación
+
+[Ejecute el subcomando de estado de Agent(https://docs.datadoghq.com/agent/guide/agent-commands/#agent-status-and-information) y busque `quarkus` en la sección Comprobaciones.
+
+## Datos recopilados
+
+### Métricas
+
+| | |
+| --- | --- |
+| **quarkus.http_server.active_requests**
(indicador) | Solicitudes al servidor que están activas en este momento.
_Mostrado como solicitud_ | +| **quarkus.http_server.bytes_read.count**
(count) | Número de veces que algunos bytes fueron recibidos por el servidor.| +| **quarkus.http_server.bytes_read.max**
(calibre) | Número máximo de bytes recibidos actualmente por el servidor.
_Mostrado como byte_ | +| **quarkus.http_server.bytes_read.sum**
(recuento) | Número total de bytes recibidos por el servidor desde que se inició.
_Mostrado como byte_ | +| **quarkus.http_server.bytes_written.count**
(count) | Número de veces que algunos bytes fueron por el servidor.| +| **quarkus.http_server.bytes_written.max**
(calibre) | Número máximo actual de bytes enviados por el servidor.
_Mostrado como byte_ | +| **quarkus.http_server.bytes_written.sum**
(recuento) | Número total de bytes enviados por el servidor.
_Mostrado como byte_ | +| **quarkus.http_server.connections.seconds.max**
(calibre) | La duración de las conexiones en segundos.
_Mostrado como segundo_ | +| **quarkus.http_server.requests.seconds.count**
(count) | El número de solicitudes observadas hasta el momento.| +| **quarkus.http_server.requests.seconds.max**
(indicador) | La mayor duración actual de la solicitud en segundos.
_Se muestra como segundo_ | +| **quarkus.http_server.requests.seconds.sum**
(recuento) | Número total de segundos que han tardado todas las solicitudes hasta el momento.
_Se muestra como segundo_ | +| **quarkus.jvm.buffer.count_buffers**
(calibre) | Una estimación del número de buffers en el pool.
_Shown as buffer_ | +| **quarkus.jvm.buffer.memory_used.bytes**
(calibre) | Una estimación de la memoria que la máquina virtual Java está utilizando para este conjunto de búferes.
_Mostrado como byte_ | +| **quarkus.jvm.buffer.total_capacity.bytes**
(calibre) | Una estimación de la capacidad total de los buffers en este pool.
_Mostrado como byte_ | +| **quarkus.jvm.classes.loaded_classes**
(calibre) | Número de clases cargadas actualmente en la máquina virtual Java.| +| **quarkus.jvm.gc.live_data_size.bytes**
(calibre) | Tamaño de la reserva de memoria heap de larga duración después de la recuperación.
_Mostrado como byte_ | +| **quarkus.jvm.gc.max_data_size.bytes**
(calibre) | Tamaño máximo de la reserva de memoria heap de larga duración.
_Mostrado como byte_ | +| **quarkus.jvm.gc.overhead**
(calibre) | Una aproximación del porcentaje de tiempo de CPU utilizado por las actividades de GC durante el último periodo de revisión retrospectiva o desde que comenzó la monitorización, lo que sea más corto, en el rango \[0..1\].| +| **quarkus.jvm.memory.committed.bytes**
(calibre) | La cantidad de memoria en bytes que está comprometida para el uso de la máquina virtual Java.
_Mostrado como byte_ | +| **quarkus.jvm.memory.max.bytes**
(calibre) | La cantidad máxima de memoria en bytes que se puede utilizar para la gestión de la memoria.
_Mostrado como byte_ | +| **quarkus.jvm.memory.usage_after_gc**
(calibre) | Porcentaje del montón de larga duración utilizado tras el último evento de GC, en el rango \[0..1\].
_Mostrado como fracción_ | +| **quarkus.jvm.memory.used.bytes**
(calibre) | La cantidad de memoria utilizada.
_Se muestra como byte_ | +| **quarkus.jvm.threads.daemon_threads**
(calibre) | El número actual de hilos daemon vivos.
_Shown as thread_ | +| **quarkus.jvm.threads.live_threads**
(calibre) | El número actual de hilos activos, incluidos los hilos demonio y no demonio.
_Mostrado como hilo_ | +| **quarkus.jvm.threads.peak_threads**
(calibre) | El número máximo de hilos activos desde que se inició la máquina virtual Java o se reinició el número máximo.
_Shown as thread_ | +| **quarkus.jvm.threads.states_threads**
(calibre) | El número actual de hilos.
_Shown as thread_ | +| **quarkus.netty.allocator.memory.pinned**
(calibre) | Tamaño, en bytes, de la memoria que utiliza el búfer asignado.
_Mostrado como byte_ | +| **quarkus.netty.allocator.memory.used**
(calibre) | Tamaño, en bytes, de la memoria que utiliza el asignador.
_Shown as byte_ | +| **quarkus.netty.allocator.pooled.arenas**
(calibre) | Número de arenas para un asignador agrupado.
_Se muestra como byte_ | +| **quarkus.netty.allocator.pooled.cache_size**
(calibre) | Tamaño, en bytes, de la caché para un asignador agrupado.
_Shown as byte_ | +| **quarkus.netty.allocator.pooled.chunk_size**
(calibre) | Tamaño, en bytes, de los trozos de memoria para un asignador agrupado.
_Mostrado como byte_ | +| **quarkus.netty.allocator.pooled.threadlocal_caches**
(calibre) | Número de cachés ThreadLocal para un asignador agrupado.| +| **quarkus.netty.eventexecutor.tasks_pending**
(indicador) | Número de tareas pendientes en el ejecutor de eventos.
_Mostrado como tarea_ | +| **quarkus.process.cpu.usage**
(calibre) | El uso reciente de cpu para el proceso de la Máquina Virtual Java.| +| **quarkus.process.files.max_files**
(calibre) | El recuento máximo de descriptores de archivo.
_Shown as file_ | +| **quarkus.process.files.open_files**
(calibre) | El recuento del descriptor de archivo abierto.
_Shown as file_ | +| **quarkus.process.uptime.seconds**
(calibre) | El tiempo de actividad de la máquina virtual Java.
_Mostrado como segundo_ | +| **quarkus.system.cpu.count**
(calibre) | El número de procesadores disponibles para la máquina virtual Java.| +| **quarkus.system.cpu.usage**
(calibre) | El uso reciente de cpu del sistema en el que se está ejecutando la aplicación.| +| **quarkus.system.load_average_1m**
(calibre) | La suma del número de entidades ejecutables en cola para los procesadores disponibles y el número de entidades ejecutables que se ejecutan en los procesadores disponibles promediado durante un periodo de tiempo.| +| **quarkus.worker_pool.active**
(calibre) | Número de recursos de la reserva utilizados actualmente.| +| **quarkus.worker_pool.idle**
(calibre) | Número de recursos de la reserva utilizados actualmente.| +| **quarkus.worker_pool.queue.delay.seconds.count**
(count) | Número de artículos que pasaron tiempo en la cola de espera antes de ser procesados.| +| **quarkus.worker_pool.queue.delay.seconds.max**
(calibre) | Tiempo máximo actual en la cola de espera antes de ser procesado.
_Se muestra como segundo_ | +| **quarkus.worker_pool.queue.delay.seconds.sum**
(count) | Tiempo total pasado en la cola de espera antes de ser procesado.| +| **quarkus.worker_pool.queue.size**
(calibre) | Número de elementos pendientes en la cola de espera.| +| **quarkus.worker_pool.ratio**
(gauge) | Ratio de trabajadores que se están utilizando en este momento.
_Se muestra como fracción_ | +| **quarkus.worker_pool.usage.seconds.count**
(count) | Número de veces que se han utilizado recursos del pool.
_Se muestra como segundo_ | +| **quarkus.worker_pool.usage.seconds.max**
(calibre) | Tiempo máximo de utilización de los recursos del pool.
_Se muestra como segundo_ | +| **quarkus.worker_pool.usage.seconds.sum**
(count) | Tiempo total de utilización de los recursos del pool.
_Se muestra como segundo_ | + +### Eventos + +La integración Quarkus no incluye eventos. + +### Checks de servicio + +**quarkus.openmetrics.health** + +Devuelve `CRITICAL` si el Agent es incapaz de conectarse al punto final Quarkus OpenMetrics, de lo contrario devuelve `OK`. + +_Estados: ok, crítico_ + +## Solucionar problemas + +¿Necesita ayuda? Póngase en contacto con [Datadog support](https://docs.datadoghq.com/help/). \ No newline at end of file diff --git a/content/es/integrations/redisdb.md b/content/es/integrations/redisdb.md new file mode 100644 index 0000000000000..5eb4c781f0ee4 --- /dev/null +++ b/content/es/integrations/redisdb.md @@ -0,0 +1,490 @@ +--- +app_id: "redis" +app_uuid: "15f0ff37-2b36-4165-9606-758271d4a16d" +assets: + dashboards: + redis: "assets/dashboards/overview.json" + integration: + auto_install: true + configuration: + spec: "assets/configuration/spec.yaml" + events: + creates_events: false + metrics: + check: "redis.net.clients" + metadata_path: "metadata.csv" + prefix: "redis" + process_signatures: + - "redis-server" + service_checks: + metadata_path: "assets/service_checks.json" + source_type_id: !!int "21" + source_type_name: "Redis" + monitors: + "Memory consumption is high": "assets/monitors/high_mem.json" + saved_views: + error_warning_status: "assets/saved_views/error_warning_status.json" + pid_overview: "assets/saved_views/pid_overview.json" + redis_pattern: "assets/saved_views/redis_pattern.json" + redis_processes: "assets/saved_views/redis_processes.json" +author: + homepage: "https://www.datadoghq.com" + name: "Datadog" + sales_email: "info@datadoghq.com" + support_email: "help@datadoghq.com" +categories: +- "caching" +- "data stores" +- "log collection" +- "tracing" +custom_kind: "integración" +dependencies: +- "https://github.com/DataDog/integrations-core/blob/master/redisdb/README.md" +display_on_public_website: true +draft: false +git_integration_title: "redisdb" +integration_id: "redis" +integration_title: "Redis" +integration_version: "8.0.0" +is_public: true +manifest_version: "2.0.0" +name: "redisdb" +public_title: "Redis" +short_description: "Realiza un seguimiento del rendimiento de Redis, el uso de memoria, los clientes bloqueados, las claves desalojadas y más" +supported_os: +- "linux" +- "windows" +- "macos" +tile: + changelog: "CHANGELOG.md" + classifier_tags: + - "Category::Almacenamiento en caché" + - "Category::Almacenes de datos" + - "Category::Recopilación de logs" + - "Category::Rastreo" + - "Supported OS::Linux" + - "Supported OS::Windows" + - "Supported OS::macOS" + - "Offering::Integración" + configuration: "README.md#Configuración" + description: "Realiza un seguimiento del rendimiento de Redis, el uso de memoria, los clientes bloqueados, las claves desalojadas y más" + media: [] + overview: "README.md#Información general" + resources: + - resource_type: "blog" + url: "https://www.datadoghq.com/blog/how-to-monitor-redis-performance-metrics" + support: "README.md#Soporte" + title: "Redis" +--- + + + + +## Información general + +Tanto si utilizas Redis como base de datos, caché o cola de mensajes, esta integración realiza un seguimiento de los problemas con tus servidores Redis, servicios en la nube y partes de su infraestructura a las que sirven. Utiliza el check de Redis del Datadog Agent para recopilar métricas relacionados con: + +- Rendimiento +- Uso de la memoria +- Clientes bloqueados +- Conexiones secundarias +- Persistencia en disco +- Claves caducadas y desalojadas +- y mucho más + +## Configuración + +### Instalación + +El check de Redis está incluido en el paquete del [Datadog Agent][1], por lo que no necesitas instalar nada más en tus servidores Redis. + +### Configuración + +{{< tabs >}} +{{% tab "Host" %}} + +#### Host + +Para configurar este check para un Agent que se ejecuta en un host: + +##### Recopilación de métricas + +1. Edita el archivo `redisdb.d/conf.yaml`, que se encuentra en la carpeta `conf.d/` en la [raíz del directorio de configuración del Agent][1]. Puede que sea necesario actualizar los siguientes parámetros. Para conocer todas las opciones de configuración disponibles, consulta el [redisdb.d/conf.yaml de ejemplo][2]. + + ```yaml + init_config: + instances: + ## @param host - string - required + ## Enter the host to connect to. + - host: localhost + ## @param port - integer - required + ## Enter the port of the host to connect to. + port: 6379 + + ## @param username - string - optional + ## The username to use for the connection. Redis 6+ only. + # + # username:
+
+ ## @param password - string - optional
+ ## The password to use for the connection.
+ #
+ # password:
+ ```
+
+2. Si utilizas Redis v6 o posterior y listas de control del acceso (ACL), asegúrate de que el usuario tiene al menos permisos `DB Viewer` a nivel de base de datos, permisos `Cluster Viewer`, si operas en un entorno de clúster, y reglas de ACL`+config|get +info +slowlog|get`. Para ver más detalles, consulta [Control del acceso a bases de datos][3].
+
+3. [Reinicia el Agent][4].
+
+##### Recopilación de logs
+
+Disponible para la versión 6.0 o posteriores del Agent
+
+1. La recopilación de logs se encuentra deshabilitada de manera predeterminada en el Datadog Agent. Habilítala en tu archivo `datadog.yaml`:
+
+ ```yaml
+ logs_enabled: true
+ ```
+
+2. Deselecciona y edita este bloque de configuración en la parte inferior de tu `redisdb.d/conf.yaml`:
+
+ ```yaml
+ logs:
+ - type: file
+ path: /var/log/redis_6379.log
+ source: redis
+ service: myapplication
+ ```
+
+ Cambia los valores de los parámetros `path` y `service` y configúralos para tu entorno. Consulta el [redisdb.yaml de ejemplo][2] para ver todas las opciones de configuración disponibles.
+
+3. [Reinicia el Agent][4].
+
+##### Recopilación de trazas (trazas)
+
+Datadog APM se integra con Redis para ver trazas en tu sistema distribuido. La recopilación de trazas está activada por defecto en el Datadog Agent v6 o posteriores. Para empezar a recopilar trazas:
+
+1. [Habilita la recopilación de trazas en Datadog][5].
+2. [Instrumenta la aplicación que realiza solicitudes a Redis][6].
+
+
+[1]: https://docs.datadoghq.com/agent/guide/agent-configuration-files/#agent-configuration-directory
+[2]: https://github.com/DataDog/integrations-core/blob/master/redisdb/datadog_checks/redisdb/data/conf.yaml.example
+[3]: https://docs.redis.com/latest/rs/security/passwords-users-roles/
+[4]: https://docs.datadoghq.com/agent/guide/agent-commands/#start-stop-and-restart-the-agent
+[5]: https://docs.datadoghq.com/tracing/send_traces/
+[6]: https://docs.datadoghq.com/tracing/setup/
+{{% /tab %}}
+{{% tab "Docker" %}}
+
+#### Docker
+
+Para configurar este check para un Agent que se ejecuta en un contenedor:
+
+##### Recopilación de métricas
+
+Configura [plantillas de integraciones de Autodiscovery][1] como etiquetas (labels) Docker en el contenedor de tu aplicación:
+
+```yaml
+LABEL "com.datadoghq.ad.check_names"='["redisdb"]'
+LABEL "com.datadoghq.ad.init_configs"='[{}]'
+LABEL "com.datadoghq.ad.instances"='[{"host":"%%host%%","port":"6379","password":"%%env_REDIS_PASSWORD%%"}]'
+```
+
+**Nota**: La lógica de variable de plantilla `"%%env_%%"` se utiliza para evitar almacenar la contraseña en texto simple, por lo que la variable de entorno`REDIS_PASSWORD` se debe definir en el contenedor del Agent. Para ver más detalles, consulta la documentación de la [variable de plantilla Autodiscovery][2]. Alternativamente, el Agent puede aprovechar el paquete `secrets` para trabajar con cualquier backend de [gestión de secretos][3] (como HashiCorp Vault o AWS Secrets Manager).
+
+##### Recopilación de logs
+
+Disponible para la versión 6.0 o posteriores del Agent
+
+La recopilación de logs se encuentra deshabilitada de manera predeterminada en el Datadog Agent. Para habilitarla, consulta la [recopilación de logs de Docker][4].
+
+Luego, configura [integraciones de logs][5] como etiquetas Docker:
+
+```yaml
+LABEL "com.datadoghq.ad.logs"='[{"source":"redis","service":""}]'
+```
+
+##### Recopilación de trazas
+
+APM para aplicaciones en contenedores es compatible con el Agent v6 o posteriores, pero requiere configuración adicional para empezar a recopilar trazas.
+
+Variables de entorno requeridas en el contenedor del Agent:
+
+| Parámetro | Valor |
+| -------------------- | -------------------------------------------------------------------------- |
+| `` | `api_key` |
+| `` | true |
+| `` | true |
+
+Para ver una lista completa de las variables de entorno disponibles y la configuración, consulta [Rastreo de aplicaciones Docker][6].
+
+Luego, [instrumenta el contenedor de tu aplicación que realiza solicitudes a Redis][7] y configura `DD_AGENT_HOST` con el nombre del contenedor de tu Agent.
+
+
+[1]: https://docs.datadoghq.com/agent/docker/integrations/?tab=docker
+[2]: https://docs.datadoghq.com/agent/faq/template_variables/
+[3]: https://docs.datadoghq.com/agent/guide/secrets-management/?tab=linux
+[4]: https://docs.datadoghq.com/agent/docker/log/?tab=containerinstallation#installation
+[5]: https://docs.datadoghq.com/agent/docker/log/?tab=containerinstallation#log-integrations
+[6]: https://docs.datadoghq.com/agent/docker/apm/?tab=linux
+[7]: https://docs.datadoghq.com/tracing/setup/
+{{% /tab %}}
+{{% tab "Kubernetes" %}}
+
+#### Kubernetes
+
+Para configurar este check para un Agent que se ejecuta en Kubernetes:
+
+##### Recopilación de métricas
+
+Para recopilar métricas, define los siguientes parámetros y valores en una [plantilla de Autodiscovery][1]. Puedes hacerlo con Kubernetes Annotations (que se muestra a continuación) en tu(s) pod(s) de Redis o con un [archivo local, ConfigMap, almacén de clave-valor, manifiesto de Datadog Operator, o Helm chart][2].
+
+| Parámetro | Valor |
+| -------------------- | -------------------------------------------------------------------------- |
+| `` | `["redisdb"]` |
+| `` | `[{}]` |
+| `` | `[{"host": "%%host%%","port":"6379","password":"%%env_REDIS_PASSWORD%%"}]` |
+
+**Anotaciones v1** (para el Datadog Agent v7.36 o anterior)
+
+```yaml
+apiVersion: v1
+kind: Pod
+metadata:
+ name: redis
+ annotations:
+ ad.datadoghq.com/redis.check_names: '["redisdb"]'
+ ad.datadoghq.com/redis.init_configs: '[{}]'
+ ad.datadoghq.com/redis.instances: |
+ [
+ {
+ "host": "%%host%%",
+ "port":"6379",
+ "password":"%%env_REDIS_PASSWORD%%"
+ }
+ ]
+ labels:
+ name: redis
+spec:
+ containers:
+ - name: redis
+ image: redis:latest
+ ports:
+ - containerPort: 6379
+```
+
+**Anotaciones v2** (para el Datadog Agent v7.36 o posterior)
+
+```yaml
+apiVersion: v1
+kind: Pod
+metadata:
+ name: redis
+ annotations:
+ ad.datadoghq.com/redis.checks: |
+ {
+ "redisdb": {
+ "init_config": {},
+ "instances": [
+ {
+ "host": "%%host%%",
+ "port":"6379",
+ "password":"%%env_REDIS_PASSWORD%%"
+ }
+ ]
+ }
+ }
+ labels:
+ name: redis
+spec:
+ containers:
+ - name: redis
+ image: redis:latest
+ ports:
+ - containerPort: 6379
+```
+
+**Nota**: La lógica de variable de plantilla `"%%env_%%"` se utiliza para evitar almacenar la contraseña en texto simple, por lo que la variable de entorno`REDIS_PASSWORD` se debe definir en el contenedor del Agent. Para ver más detalles, consulta la documentación de la [variable de plantilla Autodiscovery][3]. Alternativamente, el Agent puede aprovechar el paquete `secrets` para trabajar con cualquier backend de [gestión de secretos][4] (como HashiCorp Vault o AWS Secrets Manager).
+
+##### Recopilación de logs
+
+Disponible para la versión 6.0 o posteriores del Agent
+
+La recopilación de logs se encuentra deshabilitada de manera predeterminada en el Datadog Agent. Para habilitarla, consulta [Recopilación de logs de Kubernetes][5].
+
+A continuación, configura el siguiente parámetro en una [plantilla de Autodiscovery][1]. Puedes hacerlo con Kubernetes Annotations (que se muestra a continuación) en tu(s) pod(s) de Redis, o con un [archivo local, ConfigMap, almacén de clave-valor, manifiesto de Datadog Operator, o Helm chart][2].
+
+| Parámetro | Valor |
+| -------------------- | -------------------------------------------------------------------------- |
+| `` | `[{"source":"redis","service":""}]` |
+
+**Anotaciones v1/v2**
+
+```yaml
+apiVersion: v1
+kind: Pod
+metadata:
+ name: redis
+ annotations:
+ ad.datadoghq.com/redis.logs: '[{"source":"redis","service":""}]'
+ labels:
+ name: redis
+spec:
+ containers:
+ - name: redis
+ image: redis:latest
+ ports:
+ - containerPort: 6379
+```
+
+##### Recopilación de trazas
+
+APM para aplicaciones en contenedores es compatible con hosts que se ejecutan en la versión 6 o posteriores del Agent, pero requiere configuración adicional para empezar a recopilar trazas.
+
+Variables de entorno requeridas en el contenedor del Agent:
+
+| Parámetro | Valor |
+| -------------------- | -------------------------------------------------------------------------- |
+| `` | `api_key` |
+| `` | true |
+| `` | true |
+
+Para ver una lista completa de las variables de entorno y la configuración disponibles, consulta [Rastreo de aplicaciones Kubernetes][6] y la [configuración del DaemonSet de Kubernetes][7].
+
+A continuación, [instrumenta el contenedor de tu aplicación que realiza solicitudes a Redis][8].
+
+[1]: https://docs.datadoghq.com/agent/kubernetes/integrations/?tab=kubernetes
+[2]: https://docs.datadoghq.com/agent/kubernetes/integrations/?tab=kubernetes#configuration
+[3]: https://docs.datadoghq.com/agent/faq/template_variables/
+[4]: https://docs.datadoghq.com/agent/guide/secrets-management/?tab=linux
+[5]: https://docs.datadoghq.com/agent/kubernetes/log/?tab=containerinstallation#setup
+[6]: https://docs.datadoghq.com/agent/kubernetes/apm/?tab=java
+[7]: https://docs.datadoghq.com/agent/kubernetes/daemonset_setup/?tab=k8sfile#apm-and-distributed-tracing
+[8]: https://docs.datadoghq.com/tracing/setup/
+{{% /tab %}}
+{{% tab "ECS" %}}
+
+#### ECS
+
+Para configurar este check para un Agent que se ejecuta en ECS:
+
+##### Recopilación de métricas
+
+Configura [plantillas de integraciones de Autodiscovery][1] como etiquetas Docker en el contenedor de tu aplicación:
+
+```json
+{
+ "containerDefinitions": [{
+ "name": "redis",
+ "image": "redis:latest",
+ "dockerLabels": {
+ "com.datadoghq.ad.check_names": "[\"redisdb\"]",
+ "com.datadoghq.ad.init_configs": "[{}]",
+ "com.datadoghq.ad.instances": "[{\"host\":\"%%host%%\",\"port\":\"6379\",\"password\":\"%%env_REDIS_PASSWORD%%\"}]"
+ }
+ }]
+}
+```
+
+**Nota**: La lógica de variable de plantilla `"%%env_%%"` se utiliza para evitar almacenar la contraseña en texto simple, por lo que la variable de entorno`REDIS_PASSWORD` se debe definir en el contenedor del Agent. Para ver más detalles, consulta la documentación de la [variable de plantilla Autodiscovery][2]. Alternativamente, el Agent puede aprovechar el paquete `secrets` para trabajar con cualquier backend de [gestión de secretos][3] (como HashiCorp Vault o AWS Secrets Manager).
+
+##### Recopilación de logs
+
+Disponible para la versión 6.0 o posteriores del Agent
+
+La recopilación de logs se encuentra deshabilitada de manera predeterminada en el Datadog Agent. Para habilitarla, consulta la [recopilación de logs de ECS][4].
+
+Luego, configura [integraciones de logs][5] como etiquetas Docker:
+
+```yaml
+{
+ "containerDefinitions": [{
+ "name": "redis",
+ "image": "redis:latest",
+ "dockerLabels": {
+ "com.datadoghq.ad.logs": "[{\"source\":\"redis\",\"service\":\"\"}]"
+ }
+ }]
+}
+```
+
+##### Recopilación de trazas
+
+APM para aplicaciones en contenedores es compatible con el Agent v6 o posterior, pero requiere configuración adicional para empezar a recopilar trazas.
+
+Variables de entorno requeridas en el contenedor del Agent:
+
+| Parámetro | Valor |
+| -------------------- | -------------------------------------------------------------------------- |
+| `` | `api_key` |
+| `` | true |
+| `` | true |
+
+Para ver una lista completa de las variables de entorno disponibles y la configuración, consulta [Rastreo de aplicaciones Docker][6].
+
+Luego, [instrumenta el contenedor de tu aplicación que realiza solicitudes a Redis][7] y configura `DD_AGENT_HOST` en la [dirección IP privada de EC2][8].
+
+[1]: https://docs.datadoghq.com/agent/docker/integrations/?tab=docker
+[2]: https://docs.datadoghq.com/agent/faq/template_variables/
+[3]: https://docs.datadoghq.com/agent/guide/secrets-management/?tab=linux
+[4]: https://docs.datadoghq.com/agent/amazon_ecs/logs/?tab=linux
+[5]: https://docs.datadoghq.com/agent/docker/log/?tab=containerinstallation#log-integrations
+[6]: https://docs.datadoghq.com/agent/docker/apm/?tab=linux
+[7]: https://docs.datadoghq.com/tracing/setup/
+[8]: https://docs.datadoghq.com/agent/amazon_ecs/apm/?tab=ec2metadataendpoint#setup
+{{% /tab %}}
+{{< /tabs >}}
+
+### Validación
+
+[Ejecuta el subcomando de estado del Agent][2] y busca `redisdb` en la sección Checks.
+
+## Datos recopilados
+
+### Métricas
+{{< get-metrics-from-git "redisdb" >}}
+
+
+### Eventos
+
+El check de Redis no incluye eventos.
+
+### Checks de servicio
+{{< get-service-checks-from-git "redisdb" >}}
+
+
+## Solucionar problemas
+
+### El Agent no se puede conectar
+
+```shell
+ redisdb
+ -------
+ - instance #0 [ERROR]: 'Error 111 connecting to localhost:6379. Connection refused.'
+ - Collected 0 metrics, 0 events & 1 service check
+```
+
+Verifica que la información de conexión en `redisdb.yaml` es la correcta.
+
+### El Agent no se puede autenticar
+
+```shell
+ redisdb
+ -------
+ - instance #0 [ERROR]: 'NOAUTH Authentication required.'
+ - Collected 0 metrics, 0 events & 1 service check
+```
+
+Configura un `password` en `redisdb.yaml`.
+
+## Referencias adicionales
+
+Más enlaces, artículos y documentación útiles:
+
+- [Monitorización de métricas de rendimiento de Redis][3]
+
+
+[1]: https://app.datadoghq.com/account/settings/agent/latest
+[2]: https://docs.datadoghq.com/agent/guide/agent-commands/#agent-status-and-information
+[3]: https://www.datadoghq.com/blog/how-to-monitor-redis-performance-metrics
diff --git a/content/es/logs/_index.md b/content/es/logs/_index.md
index 6ad5002dce18c..72fcee74dfb2a 100644
--- a/content/es/logs/_index.md
+++ b/content/es/logs/_index.md
@@ -51,6 +51,9 @@ further_reading:
- link: https://www.datadoghq.com/architecture/a-guide-to-log-management-indexing-strategies-with-datadog/
tag: Centro de arquitectura
text: Guía de estrategias de indexación de la gestión de logs con Datadog
+- link: https://www.datadoghq.com/blog/archive-search/
+ tag: Blog
+ text: Busca en tus logs históricos de forma más eficiente con Datadog Archive Search
title: Gestión de logs
---
@@ -110,7 +113,7 @@ Comienza a explorar tus logs ingeridos en el [Log Explorer][1].
Aprende sin coste alguno sobre la capacidad real de computación en la nube y una cuenta de prueba de Datadog. Inscríbete hoy mismo para obtener más información sobre la recopilación, consulta, análisis, métricas, monitorización, procesamiento, almacenamiento y control de acceso de logs.
{{< /learning-center-callout >}}
-## Para leer más
+## Referencias adicionales
{{< partial name="whats-next/whats-next.html" >}}
diff --git a/content/es/logs/explorer/advanced_search.md b/content/es/logs/explorer/advanced_search.md new file mode 100644 index 0000000000000..3fa2726aa264f --- /dev/null +++ b/content/es/logs/explorer/advanced_search.md @@ -0,0 +1,84 @@ +--- +disable_toc: false +further_reading: +- link: logs/explorer/analytics + tag: Documentación + text: Realizar análisis de logs +- link: /logs/explorer/export + tag: Documentación + text: Exportar vistas desde el Log Explorer +- link: /logs/explorer/saved_views/ + tag: Documentación + text: Información sobre las vistas guardadas +title: Búsqueda avanzada +--- + +## Información general + +Cuando necesitas limitar aún más los resultados de una búsqueda de log, utiliza [subconsultas](#filter-logs-with-subqueries) para comparar tus resultados con un grupo secundario de logs, o filtra tus logs utilizando datos de tus [Tablas de referencia](#filter-logs-based-on-reference-tables). + +## Filtrar logs con subconsultas + +Utiliza subconsultas cuando desees filtrar los resultados de una consulta basándote en los resultados de una consulta secundaria. Consulta [ejemplos de subconsultas](#subquery-examples) para ver dos escenarios de ejemplo. + +Para añadir un filtro de subconsulta: + +1. Ve a [Log Explorer (Explorador de logs)][1]. +1. Introduce una consulta en la barra de búsqueda para filtrar tus logs. Esta es la consulta principal. +1. Haz clic en **+ Add** (+ Añadir). +1. En la sección **Add Query Filter** (Añadir filtro de consulta), selecciona **Logs**. + +Esto introduce nuevos elementos en el editor de consultas: + +{{< img src="logs/explorer/advanced_search/subquery.png" alt="El editor de subconsulta en la consulta de búsqueda principal" style="width:95%;" >}} + +1. En el campo **where** (dónde), utiliza el menú desplegable para seleccionar el atributo con el que deseas establecer la correlación. Los atributos disponibles son los de logs devueltos por la consulta principal. +1. Define tu filtro de subconsulta en el campo **from** (de). +1. En el menú desplegable **Select Column** (Seleccionar columna) que precede al filtro de la subconsulta, selecciona el atributo por el que deseas agrupar y ordenar los resultados de la subconsulta. +1. Selecciona si deseas utilizar el operador **IN** o **NOT IN**: + - Los resultados del operador **IN** solo incluyen logs cuando el valor del atributo también se encuentra en los resultados de la subconsulta. Por ejemplo, si solo deseas ver logs generados por `service:a` y está asociado a un usuario que también es uno de los principales usuarios de `service:b`. + - Los resultados del operador **NOT IN** excluyen logs donde se encuentra el valor del atributo en los resultados de la subconsulta. Por ejemplo, si solo deseas ver logs `status:error`, pero también deseas filtrar logs `status:error` donde los usuarios asociados a esos logs acaben finalmente con un log `status:success`. Consulta [Filtrar logs desactualizados o sustituidos](#filter-outdated-or-superseded-logs) para ver un ejemplo detallado. +1. Opcionalmente, reduce el número de valores de atributos de subconsulta con los que comparar. El valor por defecto y máximo es `1000`. Elige entre **top** (principal) (valores de mayor frecuencia) o **bottom** (inferior) (valores de menor frecuencia). + +### Ejemplos de subconsultas + +Los siguientes son escenarios en los que necesitas utilizar subconsultas para obtener la información que necesitas de tus logs. + +#### Filtrar logs obsoletos o sustituidos + +Supongamos que gestionas una plataforma de comercio electrónico. Se genera un log cada vez que uno de tus clientes intenta realizar un pedido. Deseas analizar tus logs para conocer el valor total de las compras potenciales perdidas debido a un problema continuo con tu sitio web. + +Sin embargo, te das cuenta de que un pedido puede fallar varias veces antes de completarse con éxito: lo que significa que para ese ID de pedido en particular, hay entradas de log en los resultados de búsqueda, tanto para logs `status:error` como para logs `status:success`. Si extrajeras listas de ID de pedido únicas de las dos consultas, este ID de pedido aparecería en ambas. Con las subconsultas, puedes obtener una lista mutuamente excluyente. + +En este ejemplo, solo estás interesado en logs para los pedidos que finalmente no tuvieron éxito. Para excluir los pedidos que finalmente tuvieron éxito utilizando la función de subconsulta: + +1. Define una subconsulta para logs `status:success`. +1. Selecciona el operador **NOT IN** para excluir los pedidos del conjunto de resultados de la subconsulta. + +{{< img src="logs/explorer/advanced_search/filter_outdated_example.png" alt="El editor de consulta que muestra la configuración para filtrar pedidos que terminan teniendo éxito" style="width:100%;" >}} + +#### Correlación entre diferentes fuentes de log + +Supón que tienes un servicio llamado `network_directory` que supervisa todos los recursos internos de red y el acceso a esos recursos dentro de tu organización. Los eventos de log generados por este servicio incluyen atributos estándar (como `host`, `service`, `source`) y atributos personalizados como la dirección IP del cliente. + +Además, tienes otro servicio `device-manager` que rastrea todos los activos internos (infraestructura, dispositivos de los empleados, etc.). + +Estás investigando un ataque en curso y observas que hay un aumento significativo de solicitudes de API en casi todos tus endpoints. En primer lugar, deseas identificar las direcciones IP asociadas a volúmenes de solicitudes anómalos para poder bloquearlas en el cortafuegos. Sin embargo, tus servicios internos son algunos de los mayores consumidores de estos endpoints y necesitas excluirlos de tus resultados de consulta para evitar bloquearlos por error. + +En este ejemplo, utiliza `service:network_directory` como consulta principal y, a continuación, define un filtro de subconsulta para tu servicio `device-manager` para filtrar los resultados de los dispositivos reconocidos. + +{{< img src="logs/explorer/advanced_search/narrow_dataset_example.png" alt="El editor de consulta que muestra la configuración para filtrar los resultados para los dispositivos reconocidos" style="width:100%;" >}} + +## Filtrar logs a partir de tablas de referencia + +{{% filter_by_reference_tables %}} + +{{< img src="logs/explorer/advanced_search/reference_table_join_filter.png" alt="El Datadog Log Explorer con las opciones de búsqueda de la tabla de referencia resaltadas. Incluye pasos numerados alineados con las instrucciones previas" border="true" popup="true" style="width:100%;" >}} + +## Referencias adicionales + +{{< partial name="whats-next/whats-next.html" >}} + + +[1]: https://app.datadoghq.com/logs +[2]: /es/integrations/guide/reference-tables/?tab=manualupload \ No newline at end of file diff --git a/content/es/logs/log_configuration/archives.md b/content/es/logs/log_configuration/archives.md index a1338be1ae980..d66c8e5ad8a09 100644 --- a/content/es/logs/log_configuration/archives.md +++ b/content/es/logs/log_configuration/archives.md @@ -24,7 +24,7 @@ title: Archivos de log Configura tu cuenta de Datadog para reenviar todos los logs ingestados (ya sea que esté [indexado][1] o no) a un sistema de almacenamiento en la nube de tu propiedad. Conserva tus logs en un archivo optimizado para el almacenamiento durante más tiempo y cumple los requisitos de conformidad, al tiempo que mantienes la auditabilidad para investigaciones ad hoc, con [Recuperación][2]. -{{< img src="logs/archives/log_forwarding_archives_tab.png" alt="Pestaña Archivo en la página Reenvío de log" style="width:100%;">}} +{{< img src="/logs/archives/log_forwarding_archives_122024.png" alt="Pestaña de Archivos en la página Reenvío de logs" style="width:100%;">}} Ve a la página [**Log Forwarding**][3] (Reenvío de log) para configurar un archivo para el reenvío de logs ingeridos a tu propio bucket de almacenamiento alojado en la nube. @@ -44,10 +44,6 @@ Consulta cómo [archivar tus logs con Pipelines de observabilidad][4] si deseas {{< tabs >}} {{% tab "AWS S3" %}} -{{< site-region region="gov" >}} -
- Introduce el nombre de tu bucket.
**Opcional**: introduce un directorio prefijo para todo el contenido de tus archivos de log. | +| **Almacenamiento de Azure** | - Selecciona el tipo de archivo **Azure Storage** (Almacenamiento de Azure), y el inquilino y cliente de Azure para la aplicación de Datadog que tiene el rol Storage Blob Data Contributor en tu cuenta de almacenamiento.
- Introduce el nombre de tu cuenta de almacenamiento y el nombre de contenedor para tu archivo.
**Opcional**: introduce un directorio prefijo para todo el contenido de tus archivos de log. | +| **Google Cloud Storage** | - Seleccione el tipo de archivo **Google Cloud Storage** (Almacenamiento de Google Cloud) y la cuenta de servicio de GCS que tiene permisos para escribir en tu bucket de almacenamiento.
- Introduce el nombre de tu bucket.
**Opcional**: introduce un directorio prefijo para todo el contenido de tus archivos de log. | ### Configuración avanzada -#### Permisos de Datadog - -Por defecto: - -* Todos los usuarios Admin de Datadog pueden crear, editar y reordenar. Consulta [Configurar archivos múltiples](#multiple-archives) para obtener más información. -* Todos los usuarios de Datadog Admin y Standard pueden recuperar desde archivos. -* Todos los usuarios, incluidos los Read Only (solo lectura) de Datadog, pueden acceder a logs recuperados. - -Utiliza este paso de configuración opcional para asignar roles en ese archivo y restringir quién puede: - -* Editar ese archivo de configuración. Consulta el permiso [`logs_write_archive`][9]. -* Recuperar desde ese archivo. Consulta los permisos [`logs_read_archives`][10] y [`logs_write_historical_view`][11]. -* Acceder a logs recuperados en caso de que utilices el permiso legacy [`read_index_data`][12]. - -{{< img src="logs/archives/archive_restriction.png" alt="Restrinfir el acceso a archivos y logs recuperados" style="width:75%;">}} +{{< img src="/logs/archives/log_archives_advanced_settings.png" alt="Configuración avanzada para añadir etiquetas opcionales y definir el tamaño máximo de análisis" style="width:100%;" >}} #### Etiquetas de Datadog @@ -258,16 +219,12 @@ Utiliza este paso de configuración opcional para: * Incluir todas las etiquetas de log en tus archivos (activado por defecto en todos los archivos nuevos). **Nota**: Esto aumenta el tamaño de los archivos resultantes. * Añadir etiquetas en los logs recuperados de acuerdo con tu política de Consultas de restricción. Consulta el permiso [`logs_read_data`][13]. -{{< img src="logs/archives/tags_in_out.png" alt="Configurar etiquetas de archivo" style="width:75%;">}} - #### Definir el tamaño máximo de escaneado Utiliza este paso de configuración opcional para definir el volumen máximo de datos de log (en GB) que se pueden escanear para la recuperación en tus archivos de log. Para los archivos con un tamaño máximo de escaneado definido, todos los usuarios deben estimar el tamaño del escaneado antes de que se les permita iniciar una recuperación. Si el tamaño de escaneado estimado es superior al permitido para ese archivo, los usuarios deben reducir el intervalo en el que solicitan la recuperación. La reducción del intervalo reducirá el tamaño del escaneado y permitirá al usuario iniciar una recuperación. -{{< img src="logs/archives/max_scan_size.png" alt="Definir el tamaño máximo de escaneado en el archivo" style="width:75%;">}} - {{< site-region region="us3" >}} #### Reglas del cortafuegos @@ -276,8 +233,8 @@ Para los archivos con un tamaño máximo de escaneado definido, todos los usuari No se admiten reglas de cortafuegos. -{{% /tab%}} -{{< /tabs>}} +{{% /tab %}} +{{< /tabs >}} {{< /site-region >}} #### Clase de almacenamiento @@ -285,7 +242,7 @@ No se admiten reglas de cortafuegos. {{< tabs >}} {{% tab "AWS S3" %}} -Puedes [establecer una configuración del ciclo de vida en tu bucket de S3][1] para realizar una transición automática de tus archivos de log a clases de almacenamiento óptimas. +Puedes seleccionar una clase de almacenamiento para tu archivo o [establecer una configuración de ciclo de vida en tu bucket de S3][1] para realizar una transición automática de tus archivos de log a clases de almacenamiento óptimas. La [recuperación][2] solo admite las siguientes clases de almacenamiento: @@ -311,29 +268,56 @@ El archivado y la [recuperación][1] solo admiten los siguientes niveles de acce Si deseas recuperar a partir de archivos de otro nivel de acceso, primero debes moverlos a uno de los niveles admitidos mencionados anteriormente. [1]: /es/logs/archives/rehydrating/ -Accede a dashboards preconfigurados +{{% /tab %}} +{{% tab "Google Cloud Storage" %}} + +Archivo y [rehidratación][1] admite los siguientes niveles de acceso: +- Standard (Estándar) +- Nearline +- Coldline +- Archivo + +[1]: /es/logs/archives/rehydrating/ {{% /tab %}} + {{< /tabs >}} -#### Cifrado del lado del servidor (SSE) +#### Cifrado del lado del servidor (SSE) para archivos de S3 -{{< tabs >}} -{{% tab "AWS S3" %}} +Al crear o actualizar un archivo de S3 en Datadog, puedes optar por configurar **Advanced Encryption** (Cifrado avanzado). Hay tres opciones disponibles en el menú desplegable **Encryption Type** (Tipo de cifrado): -##### SSE-S3 +- **Cifrado predeterminado a nivel de bucket de S3** (predeterminado): Datadog no anula la configuración de cifrado predeterminado de tu bucket de S3. +- **Claves gestionadas de Amazon S3**: fuerza el cifrado del lado del servidor utilizando claves administradas de Amazon S3 ([SSE-S3][1]), independientemente del cifrado predeterminado del bucket de S3. +- **AWS Key Management Service**: fuerza el cifrado del lado del servidor utilizando una clave gestionada por el cliente (CMK) de [AWS KMS][2], independientemente del cifrado predeterminado del bucket de S3. Deberás proporcionar el ARN de la CMK. -El cifrado predeterminado para los buckets de Amazon S3 es el cifrado del lado del servidor con claves de administración de Amazon S3 ([SSE-S3][1]). +[1]: https://docs.aws.amazon.com/AmazonS3/latest/userguide/UsingServerSideEncryption.html +[2]: https://docs.aws.amazon.com/AmazonS3/latest/dev/UsingKMSEncryption.html +{{< tabs >}} +{{% tab "Default S3 Bucket-Level Encryption" %}} -Para confirmar que tu bucket de S3 está cifrado con SSE-S3: +Cuando se selecciona esta opción, Datadog no especifica ningún encabezado de cifrado en la solicitud de carga. Se aplicará el cifrado predeterminado de tu bucket de S3. + +Para configurar o comprobar la configuración del cifrado de tu bucket S3: 1. Navega hasta tu bucket de S3. -1. Haz clic en la pestaña **Properties** (Propiedades). -1. En la sección **Default Encryption** (Cifrado por defecto), comprueba que el **Encryption key type** (Tipo de clave de cifrado) es **Amazon S3 managed keys (SSE-S3)** (Claves administradas de Amazon S3 (SSE-S3)). +2. Haz clic en la pestaña **Propiedades**. +3. En la sección **Default Encryption** (Cifrado por defecto), configura o confirma el tipo de cifrado. Si tu cifrado utiliza [AWS KMS][1], asegúrate de que tienes una CMK válida y una política de CMK adjunta a tu CMK. + +[1]: https://docs.aws.amazon.com/AmazonS3/latest/dev/UsingKMSEncryption.html + +{{% /tab %}} +{{% tab "Amazon S3 managed keys" %}} + +Esta opción garantiza que todos los objetos de archivo se carguen con [SSE_S3][1], utilizando claves gestionadas de Amazon S3. Esto anula cualquier configuración de cifrado predeterminada en el bucket de S3. -##### SSE-KMS +[1]: https://docs.aws.amazon.com/AmazonS3/latest/userguide/UsingServerSideEncryption.html +{{% /tab %}} +{{% tab "AWS Key Management Service" %}} + +Esta opción garantiza que todos los objetos de archivo se carguen utilizando una clave gestionada por el cliente (CMK) de [AWS KMS][1]. Esto anula cualquier configuración de cifrado predeterminada en el bucket de S3. -Como alternativa, Datadog admite el cifrado del lado del servidor con una CMK de [AWS KMS][2]. Para habilitarla, sigue estos pasos: +Asegúrate de haber completado los siguientes pasos para crear una CMK válida y una política de CMK. Deberás proporcionar el ARN de CMK para configurar correctamente este tipo de cifrado. 1. Crea tu CMK. 2. Adjunta una política de CMK a tu CMK con el siguiente contenido, sustituyendo según corresponda el número de cuenta de AWS y el nombre de rol de Datadog IAM: @@ -389,15 +373,9 @@ Como alternativa, Datadog admite el cifrado del lado del servidor con una CMK de } ``` -3. Ve a la pestaña **Properties** (Propiedades) en tu bucket de S3 y selecciona **Default Encryption** (Cifrado por defecto). Elige la opción "AWS-KMS", selecciona tu ARN de CMK y selecciona guardar. - -Para cualquier cambio en las claves de KMS existentes, ponte en contacto con el [soporte de Datadog][3] para obtener más ayuda. - -[1]: https://docs.aws.amazon.com/AmazonS3/latest/userguide/default-bucket-encryption.html -[2]: https://docs.aws.amazon.com/AmazonS3/latest/dev/UsingKMSEncryption.html -[3]: /es/help/ -{{< partial name="whats-next/whats-next.html" >}} +3. Después de seleccionar **AWS Key Management Service** como tu **Encryption Type** (Tipo de cifrado) en Datadog, introduce tu ARN de la clave de AWS KMS. +[1]: https://docs.aws.amazon.com/AmazonS3/latest/dev/UsingKMSEncryption.html {{% /tab %}} {{< /tabs >}} @@ -405,7 +383,7 @@ Para cualquier cambio en las claves de KMS existentes, ponte en contacto con el Una vez que los ajustes del archivo se hayan configurado correctamente en tu cuenta de Datadog, tus pipelines de procesamiento comenzarán a enriquecer todos los logs que se ingieran en Datadog. Estos logs se reenvían posteriormente a tu archivo. -Sin embargo, después de crear o actualizar las configuraciones de los archivos, pueden pasar varios minutos antes de que se intente la siguiente carga de archivos. La frecuencia con la que se cargan los archivos puede variar. **Consulta tu bucket de almacenamiento de nuevo en 15 minutos** para asegurarte de que los archivos se están cargando correctamente desde tu cuenta de Datadog. +Sin embargo, después de crear o actualizar las configuraciones de los archivos, pueden pasar varios minutos antes de que se intente la siguiente carga de archivos. La frecuencia con la que se cargan los archivos puede variar. **Consulta tu bucket de almacenamiento de nuevo en 15 minutos** para asegurarte de que los archivos se están cargando correctamente desde tu cuenta de Datadog. Después, si el archivo sigue en estado pendiente, comprueba tus filtros de inclusión para asegurarte de que la consulta es válida y coincide con eventos de log en [Live Tail][14]. Cuando Datadog no consigue cargar logs en un archivo externo, debido a cambios involuntarios en la configuración o los permisos, el archivo de log correspondiente aparece resaltado en la página de configuración. @@ -448,9 +426,9 @@ Dentro del archivo JSON comprimido, el contenido de cada evento tiene el siguien } ``` -## Configurar tests de API y tests de API multupaso +## Referencias adicionales -Grabar pruebas de aplicaciones móviles +{{< partial name="whats-next/whats-next.html" >}}
*Logging without Limits es una marca registrada de Datadog, Inc. @@ -469,4 +447,4 @@ Grabar pruebas de aplicaciones móviles [12]: /es/account_management/rbac/permissions#logs_read_index_data [13]: /es/account_management/rbac/permissions#logs_read_data [14]: /es/logs/explorer/live_tail/ -[15]: /es/service_management/events/explorer/ +[15]: /es/service_management/events/explorer/ \ No newline at end of file diff --git a/content/es/logs/log_configuration/processors.md b/content/es/logs/log_configuration/processors.md index f0cb4ca5683f3..a4adbc9d90c3a 100644 --- a/content/es/logs/log_configuration/processors.md +++ b/content/es/logs/log_configuration/processors.md @@ -686,7 +686,7 @@ El procesador de búsqueda realiza las siguientes acciones: * Opcionalmente, si no encuentra el valor en la tabla de asignación, crea un atributo de destino con el valor de la tabla de referencia. Puedes seleccionar un valor para una [tabla de referencias][101] en la pestaña **Reference Table** (Tabla de referencia). - {{< img src="logs/log_configuration/processor/lookup_processor_reference_table.png" alt="Procesador de búsqueda" + {{< img src="logs/log_configuration/processor/lookup_processor_reference_table.png" alt="Procesador de búsqueda" >}} style="width:80%;">}} diff --git a/content/es/metrics/summary.md b/content/es/metrics/summary.md index 91de4856f2940..bdb19d672ea99 100644 --- a/content/es/metrics/summary.md +++ b/content/es/metrics/summary.md @@ -19,41 +19,49 @@ La [página Resumen de métricas][1] muestra una lista de tus métricas informad Busca tus métricas por nombre de métrica o etiqueta (tag) utilizando los campos **Metric** (Métrica) o **Tag** (Etiqueta): -{{< img src="metrics/summary/tag_advancedfiltering3.mp4" alt="La página de resumen de métricas con NOT team:* ingresado en la barra de búsqueda de Etiqueta" video=true style="width:75%;">}} +{{< img src="metrics/summary/tag_advanced_filtering.png" alt="Página de resumen de métricas SIN equipo:* ingresado en la barra de búsqueda por etiquetas" style="width:75%;">}} -El filtrado de etiquetas admite la sintaxis booleana y comodín para que puedas identificar rápidamente: +También puede descubrir métricas relevantes utilizando el soporte mejorado de concordancia difusa en el campo de búsqueda de métricas: + +{{< img src="metrics/summary/metric_advanced_filtering_fuzzy.png" alt="The metrics summary Page ( página) with fuzzy search searching shopist checkout" style="width:75%;">}} + +El filtrado por etiquetas admite la sintaxis booleana y de comodín para que puedas identificar: * Métricas que están etiquetadas con una clave de etiqueta concreta, por ejemplo, `team`: `team:*` * Métricas a las que les falta una determinada clave de etiqueta, por ejemplo, `team`: `NOT team:*` - ## Panel de facetas Las barras de búsqueda proporcionan el conjunto más completo de acciones para filtrar la lista de métricas. No obstante, las facetas también pueden filtrar tus métricas por: -- **Configuración**: Métricas con configuraciones de etiqueta -- **Percentiles**: Métricas de distribución habilitada por percentiles/capacidades de consulta avanzada +- **Configuración**: métricas con configuraciones de etiqueta +- **Porcentajes**: métricas de distribución habilitadas por percentiles/capacidades de consulta avanzadas - **Métricas históricas**: Métricas que tienen activada la ingesta de métricas históricas -- **Actividad de consulta** (fase beta): Métricas no consultadas en la aplicación o por la API en los últimos 30 días -- **Tipo de métrica**: Diferencia entre métricas de distribución y no distribución (counts, gauges, rates) -- **Origen de métrica**: Producto a partir del cual se originó la métrica (por ejemplo, métricas generadas a partir de logs o tramos (spans) de APM). Para obtener más información sobre los distintos tipos de origen de métrica, consulta [Definiciones de origen de métrica][12]. +- **Actividad de consulta**: Métricas no consultada en Datadog o por la API en los últimos 30, 60 o 90 días +- **Recursos relacionados**: Métricas que se están utilizando en dashboards, notebooks, monitores y SLOs +- **Tipo de métrica**: diferencia entre métricas de distribución y no distribución (counts, gauges, rates) +- **Origen de métricas**: Producto del que procede la métrica (por ejemplo, métricas generadas a partir de logs o tramos (spans) APM). Para obtener más información sobre los distintos tipos de origen de métricas, consulta [definiciones de orígenes de métricas][12]. + +### Definiciones -**Nota**: Una métrica incluida en un dashboard que no haya sido cargada por un usuario en los últimos 30 días no se consideraría consultada activamente. +Una métrica está **sin consultar** si no se accedió a ella en monitores, SLOs, notebooks ejecutados, dashboards abiertos, llamadas a la API o si no se la utilizó en consultas del Explorador de métricas en los últimos 30, 60 o 90 días. -{{< img src="metrics/summary/facets4.png" alt="Panel de facetas de métricas" style="width:75%;">}} +Una métrica se considera **utilizada** si existe en un recurso, independientemente de si se consultó activamente. + +{{< img src="metrics/summary/facet_panel_2025-02-26.png" alt="Panel de facetas de métricas" style="width:75%;">}} ## Configuración de múltiples métricas -Al hacer clic en **Configure Metrics** (Configurar métricas) se te ofrecen múltiples opciones que puedes utilizar para configurar más de una métrica a la vez: +Si haces clic en **Configure Metrics** (Configurar métricas), verás varias opciones para configurar más de una métrica a la vez: {{< img src="metrics/summary/configurationbuttons10-11-2024.png" alt="Botones de configuración en bloque" style="width:100%;">}} * **Gestionar etiquetas**: configura etiquetas en múltiples métricas personalizadas coincidentes con un espacio de nombres utilizando Metrics without LimitsTM. -{{< img src="metrics/summary/bulkconfig_new-compressed.mp4" alt="Configuración de etiqueta de métricas en bloque" video="true" style="width:100%;" >}} +{{< img src="metrics/summary/tags-bulk-config.mp4" alt="Configuración en bloque de etiquetas de métricas" video="true" style="width:100%;" >}} * **Activar o desactivar percentiles**: gestiona agregaciones de percentiles a través de múltiples métricas de distribución. Consulta la [página de Distribuciones][31] para obtener más información. -{{< img src="metrics/summary/percentile_aggregations_toggle.png" alt="Cambiar el conmutador para gestionar agregaciones de percentiles" style="width:100%;">}} +{{< img src="metrics/summary/percentile_aggregations_toggle_2025-04-16.png" alt="Cambia el conmutador para gestionar agregaciones de percentiles" style="width:100%;">}} * **Activar o desactivar las métricas históricas**: gestiona la ingesta de datos históricos de métrica. Consulta la [página de Métricas históricas][30] para más información. @@ -139,28 +147,31 @@ Para cualquier clave concreta de etiqueta, puedes: [Más información sobre el etiquetado][5]. -## Activos relacionados con métricas +### Activos relacionados con métricas {{< img src="metrics/summary/related_assets_dashboards.png" alt="Activos relacionados para un nombre de métricas especificado" style="width:80%;">}} Para determinar el valor de cualquier nombre de métrica para tu organización, utiliza Activos relacionados de métricas. Los activos relacionados de métricas se refieren a cualquier dashboard, notebook, monitor, o SLO que consulta una métrica en particular. -1. Desplázate hasta la parte inferior del panel lateral de detalles de la métrica hasta la sección "Related Assets" (Activos relacionados). -2. Haz clic en el botón desplegable para ver el tipo de activo relacionado que te interesa (dashboards, monitores, notebooks, SLOs). Además, puedes utilizar la barra de búsqueda para validar activos específicos. +1. Desplázate hasta la parte inferior del panel lateral de detalles de la métrica, hasta la sección **Recursos relacionados**. +2. Haz clic en el botón desplegable para ver el tipo de recurso relacionado que te interesa en (dashboards, monitores, notebooks, SLOs). Además, puedes utilizar la barra de búsqueda para validar activos específicos. + +## Explorador de la cardinalidad de etiquetas de métricas personalizadas +{{< img src="metrics/tagsexplorer.png" alt="Explorador de la cardinalidad de etiquetas de métricas personalizadas para el nombre de una métrica que presenta picos" style="width:80%;">}} +Para determinar por qué un nombre de métrica concreto está emitiendo un gran número de métricas personalizadas, o tiene picos, utiliza el explorador de la cardinalidad de etiquetas de métricas personalizadas. Esta opción te ayuda a identificar las claves de etiqueta que provocan el pico, que puedes excluir inmediatamente utilizando Metrics without LimitsTM para ahorrar costes. ## Metrics without LimitsTM Metrics without LimitsTM te proporciona control sobre el tamaño de tus métricas personalizadas sin necesidad de realizar cambios en el Agent o a nivel de código. **Nota:** Metrics without LimitsTM solo está disponible para métricas personalizadas. -Puedes configurar etiquetas mediante el botón de configuración de etiquetas de métrica en bloque o el botón **Manage Tags** (Gestionar etiquetas) del panel lateral de detalles de métrica. +Puedes [configurar etiquetas en bloque](#configuration-of-multiple-metrics) accediendo a **Configurar métricas -> Gestionar etiquetas** en la [página de Métricas][34] o haciendo clic en el botón **Manage Tags** (Gestionar etiquetas) del panel lateral de detalles de una métrica. {{< img src="metrics/distributions/managetags.png" alt="Configuración de etiquetas en una distribución" style="width:80%;">}} 1. Haz clic en el nombre de tu métrica de distribución personalizada en la tabla **Metrics Summary** (Resumen de métricas) para abrir el panel lateral de detalles de métricas. 2. Haz clic en el botón **Gestionar etiquetas** para abrir el modal de configuración de etiquetas. - 3. Seleccione **Include tags...** o **Exclude tags...** (Incluir etiquetas... o Excluir etiquetas...) para personalizar las etiquetas que deseas o no consultar. Para más información sobre la configuración de etiquetas, consulta la documentación de [Metrics without Limits][10]. 4. Previsualiza los efectos de tu configuración de etiqueta propuesta con el estimador de cardinalidad antes de seleccionar **Save** (Guardar). @@ -170,46 +181,33 @@ Puedes configurar etiquetas mediante el botón de configuración de etiquetas de Una vez que se ha configurado tu métrica con Metrics without LimitsTM, puedes ver qué etiquetas siguen siendo consultables (las que contribuyen al volumen _Indexed Custom Metrics_). Y puedes volver a todas las etiquetas enviadas e ingeridas originalmente que contribuyen a tu volumen _Ingested Custom Metrics_. -### Optimizar tu métrica con agregaciones en Modo Avanzado - -Para métricas personalizadas de tipo count, gauge o rate, puedes refinar aún más las configuraciones de tus métricas incluyendo opcionalmente agregaciones adicionales con el modo avanzado de Metrics without LimitsTM. Por defecto, Datadog almacena la combinación de agregación más consultada en función del tipo de métrica para preservar la precisión matemática de la consulta de tu métrica configurada, como se indica a continuación: - -- Los conteos/tasas de métricas se pueden consultar con agregaciones de tiempo/espacio de tipo `SUM` -- Las gauge configuradas se pueden consultar en agregaciones de tiempo/espacio de `AVG` - -{{< img src="metrics/summary/customize_aggr_docs.jpg" alt="Ajusta las agregaciones en counts, tasas y gauges" style="width:80%;">}} - -Hay más agregaciones disponibles que pueden serte útiles. Puedes añadir o eliminar agregaciones en cualquier momento sin necesidad de realizar cambios en el Agent o en el código. - -**Nota**: La configuración de tu métrica count, rate o gauge y la eliminación de una agregación pueden afectar a los dashboards y monitores existentes. - ### Definiciones del origen de una métrica Esta tabla muestra la correspondencia entre el origen de una métrica tal y como se ve en la faceta y el lugar desde el que se envió: | Origen de una métrica | Enviada desde | | ------------------------| ----------------------------------------------------------------------------- | -| Catálogo de APIs | Series temporales enviadas por el producto [API Catalog][13] de Datadog desde el endpoint APIM. +| Catálogo de APIs | Series temporales enviadas por el producto [Catálogo de software][13] de Datadog desde el endpoint de APIM. | APM | Series temporales enviadas por el producto APM de Datadog para métricas generadas a partir de métricas de trazas (traces) y tramos. | Agent | Series temporales enviadas por el Datadog Agent, recopiladas de [integraciones del Agent][10], [integraciones incorporadas][9], [DogStatsD][32], o [checks personalizados del Agent][33]. -| CSM | Series temporales enviadas por el producto [Cloud Security Monitoring][14] de Datadog. +| Cloud Security | Series temporales enviadas por el producto [Cloud Security][14] de Datadog. | Integraciones en la nube | Series temporales recopiladas de proveedores de nube como AWS, Azure y Google Cloud, etc. de sus respectivas integraciones. | DBM | Series temporales enviadas por el producto [Database Monitoring][15] de Datadog, que incluyen información sobre las actividades/consultas/bloqueos de MySQL, Oracle y Postgres. | DSM | Series temporales enviadas por el producto [Data Streams Monitoring][16] de Datadog, para métricas generadas a partir de tramos y trazas de DSM. | Datadog Exporter | Series temporales enviadas por el [OpenTelemetry Collector][17] o el [Datadog Exporter][18]. | Plataforma Datadog | Series temporales enviadas por métricas de admisión que se utilizan para [informar sobre el uso de métricas][11]. | Eventos | Series temporales generadas a partir de la plataforma de eventos de Datadog. -| Observabilidad de LLM | Series temporales emitidas por el producto LLM Observability utilizando el servicio `lmobs_to_metrics`. +| LLM Observability | Series temporales emitidas por el producto LLM Observability utilizando el servicio `lmobs_to_metrics`. | Logs | Series temporales generadas a partir de la plataforma de [logs][28] de Datadog. | API de métricas | Series temporales enviadas mediante el [endpoint de ingesta OTLP][21] y el receptor OTel con una contrapartida o con puntos en la integración Datadog para obtener métricas del uso estimado o el cliente API de Datadog. -| NPM | Series temporales enviadas por el producto [Network Performance Monitoring][19] de Datadog. +| CNM | Series temporales enviadas por el producto [Cloud Network Monitoring][19] de Datadog. | Observability Pipelines | Series temporales enviadas por los [pipelines de observabilidad][20] de Datadog, incluidas las métricas de errores y rendimiento. | Otro | Series temporales que no tienen una contrapartida en la integración DD. | Procesos | Series temporales generadas a partir del producto [Processes][22] de Datadog. | RUM | Series temporales generadas a partir del producto [Real User Monitoring][23] de Datadog. | Integraciones SAAS | Series de tiempo recopiladas de plataformas SAAS populares como Slack, Docker, PagerDuty, etc. | Serverless | Series temporales enviadas por la plataforma [serverless][24] de Datadog, incluyendo Function, App Services, Cloud Run y Container App Metrics. -| Catálogo de servicios | Series temporales enviadas por el producto [Service Catalog][25] de Datadog, incluidas las métricas de [Scorecard][29]. +| Software Catalog | Series temporales enviadas por el producto [Catálogo de software][25] de Datadog, incluyendo las métricas de [scorecards][29]. | Synthetic Monitoring | Métricas de monitorización y tests continuos de Synthetic, generadas a partir del producto [Synthetic Monitoring][26] de Datadog. | USM | Series temporales generadas a partir del producto [Universal Service Monitoring][27] de Datadog. @@ -230,24 +228,25 @@ Esta tabla muestra la correspondencia entre el origen de una métrica tal y como [10]: /es/integrations/agent_metrics/ [11]: /es/account_management/billing/usage_metrics/ [12]: /es/metrics/summary/#metric-origin-definitions -[13]: /es/api_catalog/ +[13]: /es/software_catalog/endpoints/ [14]: /es/security/cloud_security_management/ [15]: /es/database_monitoring/ [16]: /es/data_streams/ -[17]: /es/opentelemetry/collector_exporter/otel_collector_datadog_exporter/?tab=onahost +[17]: /es/opentelemetry/setup/collector_exporter/ [18]: /es/opentelemetry/collector_exporter/ -[19]: /es/network_monitoring/performance/ +[19]: /es/network_monitoring/cloud_network_monitoring/ [20]: /es/observability_pipelines/ -[21]: /es/opentelemetry/interoperability/otlp_ingest_in_the_agent/?tab=host +[21]: /es/opentelemetry/setup/otlp_ingest_in_the_agent/ [22]: /es/integrations/process/ [23]: /es/monitors/types/real_user_monitoring/ [24]: /es/serverless/ -[25]: /es/service_catalog/ +[25]: /es/software_catalog/ [26]: /es/synthetics/ [27]: /es/universal_service_monitoring/ [28]: /es/logs/ -[29]: /es/service_catalog/scorecards/ +[29]: /es/software_catalog/scorecards/ [30]: /es/metrics/custom_metrics/historical_metrics/#bulk-configuration-for-multiple-metrics [31]: /es/metrics/distributions/#bulk-configuration-for-multiple-metrics [32]: /es/metrics/custom_metrics/dogstatsd_metrics_submission/ -[33]: /es/metrics/custom_metrics/agent_metrics_submission/ \ No newline at end of file +[33]: /es/metrics/custom_metrics/agent_metrics_submission/ +[34]: https://app.datadoghq.com/metric/overview \ No newline at end of file diff --git a/content/es/network_monitoring/devices/profiles.md b/content/es/network_monitoring/devices/profiles.md index 8c54b3623a081..7bb1759b5fd61 100644 --- a/content/es/network_monitoring/devices/profiles.md +++ b/content/es/network_monitoring/devices/profiles.md @@ -13,19 +13,29 @@ title: Perfiles NDM ## Información general -La monitorización de dispositivos de red utiliza perfiles para indicar al Datadog Agent las métricas y las etiquetas (tags) asociadas que debe recopilar. Un perfil es una colección de identificadores de objetos asociados a un dispositivo. +Network Device Monitoring utiliza perfiles para indicar al Datadog Agent las métricas y las etiquetas (tags) asociadas que debe recopilar. Un perfil es una colección de {{< tooltip text="OID (Identificadores de objetos)" tooltip="ID o dirección única de un dispositivo, que cuando se sondea devuelve el código de respuesta de ese valor." >}} asociados a un dispositivo. ## Configuración +Puedes activar perfiles de dispositivos en Datadog utilizando el flujo de trabajo recomendado basado en la GUI (Gestor de perfiles SNMP) o a través de una configuración avanzada: + +**[Gestor de perfiles SNMP][9] (recomendado)** +- Interfaz de usuario guiada para personalizar las métricas recopiladas de dispositivos de red, directamente desde la página de configuración de [Network Device Monitoring][8]. +- Elimina la necesidad de buscar identificadores de objetos (OID) en la documentación de los proveedores, recomendando automáticamente una lista de métricas relevantes y legibles por humanos. +- No requiere configuración manual con archivos `.yaml`. +- Aplica los cambios a escala a todos los Agents en un solo clic con la [configuración remota][11]. + +**[Configuración avanzada][10]** +- Crea y activa perfiles personalizados manualmente con archivos `.yaml`, especificando las métricas y las etiquetas (tags) del dispositivo. +- Ideal para entornos grandes o dinámicos. + Por defecto, se cargan todos los perfiles del directorio de configuración del Agent. Para personalizar los perfiles específicos de la colección, haz referencia explícita a ellos por nombre de archivo en `definition_file` o proporciona una lista en línea en `definition`. Se puede hacer referencia a cualquiera de los perfiles de Datadog por su nombre. Se puede hacer referencia a perfiles personalizados adicionales por la ruta del archivo en la configuración o colocarlos en el directorio de configuración. **Nota**: El perfil genérico es [generic-device.yaml][1], que admite enrutadores, conmutadores y otros dispositivos. -.*` |
+### 1. Requisitos previos
+
+- Has configurado correctamente [las métricas de OpenTelemetry para enviarlas a Datadog][2].
+- Has instalado la [integración del lenguaje correspondiente en Datadog][3].
+
+### 2. Configurar la aplicación
+
+Selecciona tu lenguaje para ver las instrucciones de configuración del SDK de OpenTelemetry para enviar métricas en tiempo de ejecución:
+
+{{< tabs >}}
+{{% tab "Java" %}}
+
+#### Instrumentación automática
+
+Si utilizas [instrumentación automática de OpenTelemetry][3] para aplicaciones Java, las métricas de tiempo de ejecución están activadas por defecto.
+
+#### Instrumentación manual
+
+Si utilizas [instrumentación manual de OpenTelemetry][4], sigue las guías para tu versión de Java:
+- [Java 8][5]
+- [Java 17][6]
+
+[3]: https://opentelemetry.io/docs/instrumentation/java/automatic/
+[4]: https://opentelemetry.io/docs/instrumentation/java/manual/
+[5]: https://github.com/open-telemetry/opentelemetry-java-instrumentation/tree/main/instrumentation/runtime-telemetry/runtime-telemetry-java8/library
+[6]: https://github.com/open-telemetry/opentelemetry-java-instrumentation/tree/main/instrumentation/runtime-telemetry/runtime-telemetry-java17/library
+
+{{% /tab %}}
+
+{{% tab "Go" %}}
+
+Las aplicaciones de OpenTelemetry Go son [instrumentadas manualmente][3]. Para activar las métricas en tiempo de ejecución, consulta la documentación del [paquete de tiempo de ejecución][4].
+
+[3]: https://opentelemetry.io/docs/instrumentation/go/manual/
+[4]: https://pkg.go.dev/go.opentelemetry.io/contrib/instrumentation/runtime
+
+{{% /tab %}}
+
+{{% tab ".NET" %}}
+
+
+{{< /tabs >}} ## Ver dashboards de métricas de tiempo de ejecución -Una vez finalizada la configuración, ve tus métricas de tiempo de ejecución en la página de detalles del servicio (consulta el ejemplo de Java más abajo), la pestaña de métricas de la gráfica de llamas y en [dashboards de tiempo de ejecución predeterminados][7]. +Una vez finalizada la configuración, puedes ver las métricas de tiempo de ejecución en: +- La página de detalles del servicio (véase el ejemplo de Java a continuación) +- La pestaña de métricas de la gráfica de llamas +- [Dashboard de tiempo de ejecución][7] por defecto {{< img src="opentelemetry/otel_runtime_metrics_service_page.png" alt="Página de servicios que muestra las métricas de tiempo de ejecución de OpenTelemetry en la pestaña de Métricas de JVM" style="width:100%;" >}} -[1]: /es/opentelemetry/guide/metrics_mapping/ +## Datos recopilados + +Cuando se utilizan las métricas en tiempo de ejecución de OpenTelemetry con Datadog, se reciben ambas: +- Métricas originales en tiempo de ejecución de OpenTelemetry +- Métricas de tiempo de ejecución de Datadog asignadas para métricas equivalentes + +Las métricas en tiempo de ejecución de OpenTelemetry tienen los siguientes prefijos basados en su fuente: + +| Fuente | Prefijo | +| --- | --- | +| [OTel Collector Datadog Exporter][100] | `otel.process.runtime.*` | +| [Datadog Agent OTLP Ingest][101] | `process.runtime.*` | + +Las siguientes tablas enumeran las métricas de tiempo de ejecución de Datadog que son compatibles a través de la asignación de OpenTelemetry. "N/A" indica que no hay métrica equivalente de OpenTelemetry disponible. + +
`jvm.memory.used` | +| `jvm.heap_memory_committed` | El total de memoria heap comprometida en Java para ser utilizada. | `process.runtime.jvm.memory.committed`
`jvm.memory.committed` | +| `jvm.heap_memory_init` | La memoria heap inicial de Java asignada. | `process.runtime.jvm.memory.init`
`jvm.memory.init` | +| `jvm.heap_memory_max` | La memoria heap máxima disponible en Java. | `process.runtime.jvm.memory.limit`
`jvm.memory.limit` | +| `jvm.non_heap_memory` | El total de memoria no heap de Java utilizada. La memoria no heap es: `Metaspace + CompressedClassSpace + CodeCache`. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.non_heap_memory_committed` | El total de memoria no heap comprometida en Java para ser utilizada. | `process.runtime.jvm.memory.committed`
`jvm.memory.committed` | +| `jvm.non_heap_memory_init` | La memoria no heap inicial de Java asignada. | `process.runtime.jvm.memory.init`
`jvm.memory.init` | +| `jvm.non_heap_memory_max` | La memoria no heap máxima disponible en Java. | `process.runtime.jvm.memory.limit`
`jvm.memory.limit` | +| `jvm.gc.old_gen_size` | El uso actual de memoria heap de Java del grupo de memoria Old Generation. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.gc.eden_size` | El uso actual de memoria heap de Java del grupo de memoria Eden. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.gc.survivor_size` | El uso actual de memoria heap de Java del grupo de memoria Survivor. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.gc.metaspace_size` | El uso actual de memoria no heap de Java del grupo de memoria Metaspace. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.thread_count` | El número de subprocesos en directo. | `process.runtime.jvm.threads.count`
`jvm.thread.count` | +| `jvm.loaded_classes` | Número de clases cargadas actualmente. | `process.runtime.jvm.classes.current_loaded`
`jvm.class.count` | +| `jvm.cpu_load.system` | Uso reciente de la CPU para todo el sistema. | `process.runtime.jvm.system.cpu.utilization`
`jvm.system.cpu.utilization` | +| `jvm.cpu_load.process` | Uso reciente de la CPU en proceso. | `process.runtime.jvm.cpu.utilization`
`jvm.cpu.recent_utilization` | +| `jvm.buffer_pool.direct.used` | Medida de la memoria utilizada por buffers. | `process.runtime.jvm.buffer.usage`
`jvm.buffer.memory.usage` | +| `jvm.buffer_pool.direct.count` | Número de buffers directos en el grupo. | `process.runtime.jvm.buffer.count`
`jvm.buffer.count` | +| `jvm.buffer_pool.direct.limit` | Medida de la capacidad total de memoria de buffers directos. | `process.runtime.jvm.buffer.limit`
`jvm.buffer.memory.limit` | +| `jvm.buffer_pool.mapped.used` | Medida de la memoria utilizada por los buffers asignados. | `process.runtime.jvm.buffer.usage`
`jvm.buffer.memory.usage` | +| `jvm.buffer_pool.mapped.count` | Número de buffers asignados en el grupo. | `process.runtime.jvm.buffer.count`
`jvm.buffer.count` | +| `jvm.buffer_pool.mapped.limit` | Medida de la capacidad total de memoria de buffers asignados. | `process.runtime.jvm.buffer.limit`
`jvm.buffer.memory.limit` | +| `jvm.gc.parnew.time` | El tiempo acumulado aproximado de recopilación de elementos no usados transcurrido. | N/A | +| `jvm.gc.cms.count` | El número total de recopilaciones de elementos no usados que se han producido. | N/A | +| `jvm.gc.major_collection_count` | El índice de las principales recopilaciones de elementos no usados. Configura `new_gc_metrics: true` para recibir esta métrica. | N/A | +| `jvm.gc.minor_collection_count` | La tasa de recopilaciones secundarias de elementos no usados. Establece `new_gc_metrics: true` para recibir esta métrica. | N/A | +| `jvm.gc.major_collection_time` | La fracción de tiempo empleado en la recopilación principal de elementos no usados. Configura `new_gc_metrics: true` para recibir esta métrica. | N/A | +| `jvm.gc.minor_collection_time` | La fracción de tiempo empleado en la recopilación secundaria de elementos no usados. Configura `new_gc_metrics: true` para recibir esta métrica. | N/A | +| `jvm.os.open_file_descriptors` | El número de descriptores de archivo abiertos. | N/A | + +{{% /tab %}} + +{{% tab "Go" %}} + +| Métrica de Datadog | Descripción | Métrica de OpenTelemetry | +| --- | --- | --- | +| `runtime.go.num_goroutine` | Número de goroutines generadas. | `process.runtime.go.goroutines` | +| `runtime.go.num_cgo_call` | Número de llamadas CGO realizadas. |`process.runtime.go.cgo.calls` | +| `runtime.go.mem_stats.lookups` | Número de búsquedas de punteros realizadas por el tiempo de ejecución. | `process.runtime.go.mem.lookups` | +| `runtime.go.mem_stats.heap_alloc` | Bytes de objetos heap asignados. | `process.runtime.go.mem.heap_alloc` | +| `runtime.go.mem_stats.heap_sys` | Bytes de memoria heap obtenidos del sistema operativo. | `process.runtime.go.mem.heap_sys` | +| `runtime.go.mem_stats.heap_idle` | Bytes en tramos (spans) en reposo (no utilizados). | `process.runtime.go.mem.heap_idle` | +| `runtime.go.mem_stats.heap_inuse` | Bytes de tramos en uso. | `process.runtime.go.mem.heap_inuse` | +| `runtime.go.mem_stats.heap_released` | Bytes de memoria física devueltos al sistema operativo. | `process.runtime.go.mem.heap_released` | +| `runtime.go.mem_stats.heap_objects` | Número de objetos heap asignados. | `process.runtime.go.mem.heap_objects` | +| `runtime.go.mem_stats.pause_total_ns` | Nanosegundos acumulados en la recopilación de elementos no usados (GC). | `process.runtime.go.gc.pause_total_ns` | +| `runtime.go.mem_stats.num_gc` | Número de ciclos de GC completados. | `process.runtime.go.gc.count` | +| `runtime.go.num_cpu` | Número de CPUs detectadas por el tiempo de ejecución. | N/A | +| `runtime.go.mem_stats.alloc` | Bytes de objetos heap asignados. | N/A | +| `runtime.go.mem_stats.total_alloc` | Bytes acumulados asignados a objetos heap. | N/A | +| `runtime.go.mem_stats.sys` | Total de bytes de memoria obtenidos del sistema operativo. | N/A | +| `runtime.go.mem_stats.mallocs` | Recuento acumulativo de objetos heap asignados. | N/A | +| `runtime.go.mem_stats.frees` | Recuento acumulativo de objetos heap liberados. | N/A | +| `runtime.go.mem_stats.stack_inuse` | Bytes en tramos de stack. | N/A | +| `runtime.go.mem_stats.stack_sys` | Bytes de memoria de stack obtenidos del sistema operativo. | N/A | +| `runtime.go.mem_stats.m_span_inuse` | Bytes de las estructuras mspan asignadas. | N/A | +| `runtime.go.mem_stats.m_span_sys` | Bytes de memoria obtenidos del sistema operativo para las estructuras mspan. | N/A | +| `runtime.go.mem_stats.m_cache_inuse` | Bytes de estructuras mcache asignadas. | N/A | +| `runtime.go.mem_stats.m_cache_sys` | Bytes de memoria obtenidos del sistema operativo para las estructuras mcache. | N/A | +| `runtime.go.mem_stats.buck_hash_sys` | Bytes de memoria en tablas hash de buckets de perfiles. | N/A | +| `runtime.go.mem_stats.gc_sys` | Bytes de memoria en metadatos de recopilación de elementos no usados. | N/A | +| `runtime.go.mem_stats.other_sys` | Bytes de memoria en miscelánea fuera de heap. | N/A | +| `runtime.go.mem_stats.next_gc` | Tamaño de heap objetivo del siguiente ciclo de GC. | N/A | +| `runtime.go.mem_stats.last_gc` | Última recopilación de elementos no usados finalizada, en nanosegundos desde la epoch de UNIX. | N/A | +| `runtime.go.mem_stats.num_forced_gc` | Número de ciclos de GC forzados por la aplicación que llama a la función de GC. | N/A | +| `runtime.go.mem_stats.gc_cpu_fraction` | Fracción del tiempo de CPU disponible de este programa utilizado por la GC desde que se inició el programa. | N/A | +| `runtime.go.gc_stats.pause_quantiles.min` | Distribución de los tiempos de pausa de la GC: valores mínimos. | N/A | +| `runtime.go.gc_stats.pause_quantiles.25p` | Distribución de los tiempos de pausa de la GC: percentil 25. | N/A | +| `runtime.go.gc_stats.pause_quantiles.50p` | Distribución de los tiempos de pausa de la GC: percentil 50. | N/A | +| `runtime.go.gc_stats.pause_quantiles.75p` | Distribución de los tiempos de pausa de la GC: percentil 75. | N/A | +| `runtime.go.gc_stats.pause_quantiles.max` | Distribución de los tiempos de pausa de la GC: valores máximos. | N/A | + +{{% /tab %}} + +{{% tab ".NET" %}} + +| Métrica de Datadog | Descripción | Métrica de OpenTelemetry | +| --- | --- | --- | +| `runtime.dotnet.threads.contention_count` | El número de veces que un subproceso se detuvo para esperar un bloqueo. | `process.runtime.dotnet.`
`monitor.lock_contention.count` | +| `runtime.dotnet.exceptions.count` | El número de excepciones por primera vez. | `process.runtime.dotnet.`
`exceptions.count` | +| `runtime.dotnet.gc.size.gen0` | El tamaño del heap de generación 0. | `process.runtime.dotnet.`
`gc.heap.size` | +| `runtime.dotnet.gc.size.gen1` | El tamaño del heap de generación 1. | `process.runtime.dotnet.`
`gc.heap.size` | +| `runtime.dotnet.gc.size.gen2` | El tamaño del heap de generación 2. | `process.runtime.dotnet.`
`gc.heap.size` | +| `runtime.dotnet.gc.size.loh` | El tamaño del heap de grandes objetos. | `process.runtime.dotnet.`
`gc.heap.size` | +| `runtime.dotnet.gc.count.gen0` | El número de recopilaciones de elementos no usados de generación 0. | `process.runtime.dotnet.`
`gc.collections.count` | +| `runtime.dotnet.gc.count.gen1` | El número de recopilaciones de elementos no usados de generación 1. | `process.runtime.dotnet.`
`gc.collections.count` | +| `runtime.dotnet.gc.count.gen2` | El número de recopilaciones de elementos no usados de generación 2. | `process.runtime.dotnet.`
`gc.collections.count` | +| `runtime.dotnet.cpu.system` | El número de milisegundos de ejecución en el kernel. | N/A | +| `runtime.dotnet.cpu.user` | El número de milisegundos de ejecución fuera del kernel. | N/A | +| `runtime.dotnet.cpu.percent` | El porcentaje de CPU total utilizado por la aplicación. | N/A | +| `runtime.dotnet.mem.committed` | Uso de memoria. | N/A | +| `runtime.dotnet.threads.count` | El número de subprocesos. | N/A | +| `runtime.dotnet.threads.workers_count` | El número de trabajadores en el grupo de subprocesos. (Solo.NET Core) | N/A | +| `runtime.dotnet.threads.contention_time` | El tiempo acumulado que pasan los subprocesos esperando un bloqueo. (Solo .NET Core) | N/A | +| `runtime.dotnet.gc.memory_load` | El porcentaje de la memoria total utilizada por el proceso. La recopilación de elementos no usados (GC) cambia su comportamiento cuando este valor supera el 85. (Solo .NET Core) | N/A | +| `runtime.dotnet.gc.pause_time` | La cantidad de tiempo que la GC pausó los subprocesos de la aplicación. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`requests.total` | El número total de solicitudes HTTP recibidas por el servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`requests.failed` | El número de solicitudes HTTP fallidas recibidas por el servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`requests.current` | El número total de solicitudes HTTP que se han iniciado, pero aún no se han detenido. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`requests.queue_length` | La longitud actual de la cola de solicitudes HTTP del servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`connections.total` | El número total de conexiones HTTP establecidas con el servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`connections.current` | El número actual de conexiones HTTP activas al servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`connections.queue_length` | La longitud actual de la cola de conexión del servidor HTTP. (Solo .NET Core) | N/A | + +{{% /tab %}} + +{{< /tabs >}} + +## Referencias adicionales + +{{< partial name="whats-next/whats-next.html" >}} + +[1]: /es/opentelemetry/mapping/metrics_mapping/ +[2]: /es/opentelemetry/setup/ +[3]: https://app.datadoghq.com/integrations [5]: /es/tracing/metrics/runtime_metrics/ [7]: https://app.datadoghq.com/dash/integration/256/jvm-metrics \ No newline at end of file diff --git a/content/es/real_user_monitoring/browser/advanced_configuration.md b/content/es/real_user_monitoring/browser/advanced_configuration.md index d1b8ff8bbce63..0ea3601184a2e 100644 --- a/content/es/real_user_monitoring/browser/advanced_configuration.md +++ b/content/es/real_user_monitoring/browser/advanced_configuration.md @@ -35,7 +35,7 @@ Existen varias formas de modificar los [datos y el contexto recopilados][1] por ## Sustituir los nombres de las vistas de RUM por defecto -El SDK del RUM Browser genera automáticamente un [evento de vista][2] para cada nueva página visitada por tus usuarios o cuando se cambia la URL de la página (para aplicaciones de página única). El nombre de la vista se calcula a partir de la URL de la página actual, donde los ID alfanuméricos variables se eliminan automáticamente. Por ejemplo, `/dashboard/1234` se convierte en `/dashboard/?`. +El SDK del RUM Browser genera automáticamente un [evento de vista][2] para cada nueva página visitada por tus usuarios o cuando se cambia la URL de la página (para aplicaciones de página única). El nombre de la vista se calcula a partir de la URL de la página actual, donde los ID alfanuméricos variables se eliminan automáticamente. Un segmento de ruta que contenga al menos un número se considera un ID de variable. Por ejemplo, `/dashboard/1234` y `/dashboard/9a` se convierten en `/dashboard/?`. A partir de la [versión 2.17.0][3], puedes añadir nombres de vistas y asignarlos a un servicio dedicado propiedad de un equipo mediante el rastreo manual de eventos de vistas con la opción `trackViewsManually`: @@ -360,7 +360,7 @@ import { datadogRum } from '@datadog/browser-rum'; datadogRum.setViewName('');
-// Ejemplo de código
+// Code example
datadogRum.setViewName('Checkout');
```
{{% /tab %}}
@@ -370,7 +370,7 @@ window.DD_RUM.onReady(function() {
window.DD_RUM.setViewName('');
})
-// Ejemplo de código
+// Code example
window.DD_RUM.onReady(function() {
window.DD_RUM.setViewName('Checkout');
})
@@ -380,7 +380,7 @@ window.DD_RUM.onReady(function() {
```javascript
window.DD_RUM && window.DD_RUM.setViewName('');
-// Ejemplo de código
+// Code example
window.DD_RUM && window.DD_RUM.setViewName('Checkout');
```
{{% /tab%}}
@@ -477,10 +477,7 @@ window.DD_RUM &&
Si un usuario pertenece a varios equipos, añade pares clave-valor adicionales en tus llamadas a la API de Global Context.
-El SDK del RUM Browser ignora:
-
-- Atributos añadidos fuera de `event.context`
-- Modificaciones realizadas en un contexto de evento de vista de RUM
+El SDK del RUM Browser ignora los atributos añadidos fuera de `eventos.context`.
### Enriquecer eventos de RUM con indicadores de funciones
@@ -531,27 +528,41 @@ window.DD_RUM &&
...
});
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
Puedes actualizar las siguientes propiedades de eventos:
-| Atributo | Tipo | Descripción |
-|-----------------------|-----------|-----------------------------------------------------------------------------------------------------|
-| `view.url` | Cadena | La URL de la página web activa. |
-| `view.referrer` | Cadena | La URL de la página web anterior desde la que se siguió un vínculo a la página solicitada actualmente. |
-| `view.name` | Cadena | El nombre de la vista actual. |
-| `service` | Cadena | El nombre de servicio para tu aplicación. |
-| `version` | Cadena | La versión de la aplicación, por ejemplo: 1.2.3, 6c44da20 y 2020.02.13. |
-| `action.target.name` | Cadena | El elemento con el que ha interactuado el usuario. Solo para acciones recopiladas automáticamente. |
-| `error.message` | Cadena | Un mensaje conciso, legible, de una línea, en el cual se explica el error. |
-| `error.stack ` | Cadena | La traza (trace) de stack tecnológico o la información adicional sobre el error. |
-| `error.resource.url` | Cadena | La URL del recurso que provocó el error. |
-| `resource.url` | Cadena | La URL del recurso. |
-| `context` | Objeto | Atributos añadidos con la [Global Context API](#global-context), la [View Context API](#view-context) o al generar eventos manualmente (por ejemplo, `addError` y **`addAction`**). |
+| Atributo | Tipo | Descripción |
+| ------------------------------ | ------ | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
+| `view.url` | Cadena | La URL de la página web activa. |
+| `view.referrer` | Cadena | La URL de la página web anterior desde la que se siguió un vínculo a la página solicitada actualmente. |
+| `view.name` | Cadena | El nombre de la vista actual. |
+| `view.performance.lcp.resource_url` | Cadena | La URL de recursos para Largest Contentful Paint. |
+| `service` | Cadena | El nombre de servicio para tu aplicación. |
+| `version` | Cadena | La versión de la aplicación. Por ejemplo: 1.2.3, 6c44da20 o 2020.02.13. |
+| `action.target.name` | Cadena | El elemento con el que ha interactuado el usuario. Solo para acciones recopiladas automáticamente. |
+| `error.message` | Cadena | Un mensaje conciso, legible, de una línea, en el cual se explica el error. |
+| `error.stack ` | Cadena | La traza (trace) de stack tecnológico o la información adicional sobre el error. |
+| `error.resource.url` | Cadena | La URL del recurso que provocó el error. |
+| `resource.url` | Cadena | La URL del recurso. |
+| `long_task.scripts.source_url` | Cadena | La url del recurso de script |
+| `long_task.scripts.invoker` | Cadena | Un nombre significativo que indique cómo se ha llamado al script |
+| `context` | Objeto | Atributos añadidos con la [Global Context API](#global-context), la [View Context API](#view-context) o al generar eventos manualmente (por ejemplo, `addError` y **`addAction`**). |
El SDK del RUM Browser ignora las modificaciones realizadas en las propiedades de eventos no enumeradas anteriormente. Para obtener más información sobre las propiedades de eventos, consulta el [repositorio GitHub del SDK del RUM Browser][15].
+**Nota**: A diferencia de otros eventos, los eventos de vista se envían varias veces a Datadog para reflejar las actualizaciones que se producen durante su ciclo de vida. Una actualización de un evento de vista anterior puede seguir enviándose mientras una nueva vista está activa. Datadog recomienda tener en cuenta este comportamiento al modificar el contenido de un evento de vista.
+
+```javascript
+beforeSend: (event) => {
+ // discouraged, as the current view name could be applied to both the active view and the previous views
+ event.view.name = getCurrentViewName()
+
+ // recommended
+ event.view.name = getViewNameForUrl(event.view.url)
+}
+```
### Descartar un evento de RUM
Con la API `beforeSend`, descarta un evento de RUM devolviendo `false`:
@@ -604,28 +615,46 @@ window.DD_RUM &&
...
});
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
**Nota**: Los eventos de vistas no se pueden descartar.
## Sesión del usuario
-Añadir información del usuario a tus sesiones de RUM puede ayudar a:
+Añadir información del usuario a tus sesiones de RUM te ayuda a:
+
* Seguir el recorrido de un usuario concreto
* Conocer qué usuarios se han visto más afectados por los errores
* Monitorizar el rendimiento de tus usuarios más importantes
{{< img src="real_user_monitoring/browser/advanced_configuration/user-api.png" alt="API de usuario en la interfaz de usuario de RUM" >}}
-Los siguientes atributos son opcionales, pero Datadog recomienda proporcionar al menos uno de ellos:
+{{< tabs >}}
+{{% tab "6.4.0 and above" %}}
+
+Están disponibles los siguientes atributos:
+
+| Atributo | Tipo | Obligatorio | Descripción |
+|------------|------|------|----------------------------------------------------------------------------------------------------|
+| `usr.id` | Cadena | Sí | Identificador único de usuario. |
+| `usr.name` | Cadena | No | Nombre descriptivo, que se muestra por defecto en la interfaz de usuario de RUM. |
+| `usr.email` | Cadena | No | Correo electrónico del usuario, que se muestra en la interfaz de usuario de RUM si el nombre de usuario no está presente. También se usa para obtener Gravatars. |
+
+{{% /tab %}}
+{{% tab "Before 6.4.0" %}}
+
+Los siguientes atributos son opcionales, pero Datadog recomienda encarecidamente proporcionar al menos uno de ellos. Por ejemplo, debes establecer el ID de usuario en tus sesiones para ver los datos relevantes en algunos dashboards predeterminados de RUM, que dependen de `usr.id` como parte de la consulta.
| Atributo | Tipo | Descripción |
|------------|------|----------------------------------------------------------------------------------------------------|
-| `usr.id` | Cadena | Identificador de usuario único. |
+| `usr.id` | Cadena | Identificador único de usuario. |
| `usr.name` | Cadena | Nombre descriptivo, que se muestra por defecto en la interfaz de usuario de RUM. |
| `usr.email` | Cadena | Correo electrónico del usuario, que se muestra en la interfaz de usuario de RUM si el nombre de usuario no está presente. También se usa para obtener Gravatars. |
+{{% /tab %}}
+{{< /tabs >}}
+
Aumentar tus posibilidades de filtrado añadiendo atributos adicionales a los recomendados. Por ejemplo, añade información sobre el plan del usuario o a qué grupo de usuarios pertenece.
Cuando se realizan cambios en el objeto de la sesión del usuario, todos los eventos de RUM recopilados tras el cambio contienen la información actualizada.
@@ -672,8 +701,8 @@ window.DD_RUM && window.DD_RUM.setUser({
})
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
### Acceder a la sesión del usuario
@@ -697,8 +726,8 @@ window.DD_RUM.onReady(function() {
window.DD_RUM && window.DD_RUM.getUser()
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
### Añadir/sustituir la propiedad de la sesión del usuario
@@ -722,8 +751,8 @@ window.DD_RUM.onReady(function() {
window.DD_RUM && window.DD_RUM.setUserProperty('name', 'John Doe')
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
### Eliminar la propiedad de la sesión del usuario
@@ -746,8 +775,8 @@ window.DD_RUM.onReady(function() {
```javascript
window.DD_RUM && window.DD_RUM.removeUserProperty('name')
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
### Borrar la propiedad de la sesión del usuario
@@ -773,6 +802,152 @@ window.DD_RUM && window.DD_RUM.clearUser()
{{% /tab %}}
{{< /tabs >}}
+## Cuenta
+
+Para agrupar a los usuarios en conjuntos diferentes, utilice el concepto de cuenta.
+
+Están disponibles los siguientes atributos:
+
+| Atributo | Tipo | Obligatorio | Descripción |
+|----------------|--------|----------|------------------------------------------------------------|
+| `account.id` | Cadena | Sí | Identificador único de la cuenta. |
+| `account.name` | Cadena | No | Nombre descriptivo de la cuenta, mostrado por defecto en la interfaz de usuario RUM. |
+
+### Identificar cuenta
+
+`datadogRum.setAccount()`
+
+{{< tabs >}}
+{{% tab "NPM" %}}
+```javascript
+datadogRum.setAccount({
+ id: '1234',
+ name: 'Mi nombre de empresa',
+ ...
+})
+```
+{{% /tab %}}
+{{% tab "CDN asíncrono" %}}
+```javascript
+window.DD_RUM.onReady(function() {
+ window.DD_RUM.setAccount({
+ id: '1234',
+ name: 'Nombre de mi empresa',
+ ...
+ })
+})
+```
+{{% /tab %}}
+{{% tab "CDN síncrono" %}}
+```javascript
+window.DD_RUM && window.DD_RUM.setAccount({
+ id: '1234',
+ name: 'Nombre de mi empresa',
+ ...
+})
+```
+
+{{% /tab %}}
+{{< /tabs >}}
+
+### Cuenta de acceso
+
+`datadogRum.getAccount()`
+
+{{< tabs >}}
+{{% tab "NPM" %}}
+```javascript
+datadogRum.getAccount()
+```
+{{% /tab %}}
+{{% tab "CDN asíncrono" %}}
+```javascript
+window.DD_RUM.onReady(function() {
+ window.DD_RUM.getAccount()
+})
+```
+{{% /tab %}}
+{{% tab "CDN síncrono" %}}
+```javascript
+window.DD_RUM && window.DD_RUM.getAccount()
+```
+
+{{% /tab %}}
+{{< /tabs >}}
+
+### Añadir/Anular propiedad de cuenta
+
+`datadogRum.setAccountProperty('', )`
+
+{{< tabs >}}
+{{% tab "NPM" %}}
+```javascript
+datadogRum.setAccountProperty('name', 'Nombre de mi empresa')
+```
+{{% /tab %}}
+{{% tab "CDN asíncrono" %}}
+```javascript
+window.DD_RUM.onReady(function() {
+ window.DD_RUM.setAccountProperty('nombre', 'Nombre de mi empresa')
+})
+```
+{{% /tab %}}
+{{% tab "CDN síncrono" %}}
+```javascript
+window.DD_RUM && window.DD_RUM.setAccountProperty('name', 'Nombre de mi empresa')
+```
+
+{{% /tab %}}
+{{< /tabs >}}
+
+### Eliminar la propiedad de la cuenta
+
+`datadogRum.removeAccountProperty('')`
+
+{{< tabs >}}
+{{% tab "NPM" %}}
+```javascript
+datadogRum.removeAccountProperty('nombre')
+```
+{{% /tab %}}
+{{% tab "CDN asíncrono" %}}
+```javascript
+window.DD_RUM.onReady(function() {
+ window.DD_RUM.removeAccountProperty('nombre')
+})
+```
+{{% /tab %}}
+{{% tab "CDN síncrono" %}}
+```javascript
+window.DD_RUM && window.DD_RUM.removeAccountProperty('nombre')
+```
+{{% /tab %}}
+{{< /tabs >}}
+
+### Borrar propiedades de la cuenta
+
+`datadogRum.clearAccount()`
+
+{{< tabs >}}
+{{% tab "NPM" %}}
+```javascript
+datadogRum.clearAccount()
+```
+{{% /tab %}}
+{{% tab "CDN asíncrono" %}}
+```javascript
+window.DD_RUM.onReady(function() {
+ window.DD_RUM.clearAccount()
+})
+```
+{{% /tab %}}
+{{% tab "CDN síncrono" %}}
+```javascript
+window.DD_RUM && window.DD_RUM.clearAccount()
+```
+{{% /tab %}}
+{{< /tabs >}}
+
## Muestreo
Por defecto, no se aplica ningún muestreo al número de sesiones recopiladas. Para aplicar un muestreo relativo (en porcentaje) al número de sesiones recopiladas, utiliza el parámetro `sessionSampleRate` al inicializar el RUM.
@@ -814,8 +989,8 @@ window.DD_RUM &&
sessionSampleRate: 90,
});
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
Para una sesión muestreada, no se recopilan todas las páginas de vistas ni la telemetría asociada a esa sesión.
@@ -879,8 +1054,8 @@ acceptCookieBannerButton.addEventListener('click', () => {
window.DD_RUM && window.DD_RUM.setTrackingConsent('granted');
});
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
## Ver contexto
@@ -933,8 +1108,8 @@ window.DD_RUM && window.DD_RUM.setViewContextProperty('activity', {
amount: 23.42
});
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
### Sustituir el contexto de la vista
@@ -984,6 +1159,19 @@ window.DD_RUM &&
{{% /tab %}}
{{< /tabs >}}
+
+## Contexto de error
+
+### Adjuntar contexto de error local con dd_context
+
+Al capturar errores, se puede proporcionar contexto adicional en el momento en que se genera un error. En lugar de pasar información adicional a través de la API `addError()`, puedes adjuntar una propiedad `dd_context` directamente a la instancia de error. El SDK del RUM Browser detecta automáticamente esta propiedad y la fusiona en el contexto final del evento de error.
+
+{{< code-block lang="javascript" >}}
+const error = new Error('Something went wrong')
+error.dd_context = { component: 'Menu', param: 123, }
+throw error
+{{< /code-block >}}
+
## Contexto global
### Añadir la propiedad de contexto global
@@ -1029,8 +1217,8 @@ window.DD_RUM && window.DD_RUM.setGlobalContextProperty('activity', {
amount: 23.42
});
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
### Eliminar la propiedad de contexto global
@@ -1071,8 +1259,8 @@ window.DD_RUM &&
window.DD_RUM.removeGlobalContextProperty('codeVersion');
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
### Sustituir el contexto global
@@ -1120,8 +1308,8 @@ window.DD_RUM &&
});
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
### Borrar un contexto global
@@ -1150,8 +1338,8 @@ window.DD_RUM.onReady(function() {
window.DD_RUM && window.DD_RUM.clearGlobalContext();
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
### Leer el contexto global
@@ -1180,8 +1368,8 @@ window.DD_RUM.onReady(function() {
const context = window.DD_RUM && window.DD_RUM.getGlobalContext();
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
## Ciclo de vida de los contextos
@@ -1275,8 +1463,8 @@ window.DD_RUM && window.DD_RUM.init({
},
});
```
-{{% /tab%}}
-{{< /tabs>}}
+{{% /tab %}}
+{{< /tabs >}}
Cualquier consulta realizada en el Explorador RUM puede utilizar el atributo servicio para filtrar eventos.
@@ -1292,7 +1480,6 @@ Algunos eventos no pueden atribuirse a un origen, por lo que no tienen una pila
{{< partial name="whats-next/whats-next.html" >}}
-
[1]: /es/real_user_monitoring/browser/data_collected/
[2]: /es/real_user_monitoring/browser/monitoring_page_performance/
[3]: https://github.com/DataDog/browser-sdk/blob/main/CHANGELOG.md#v2170
@@ -1304,7 +1491,7 @@ Algunos eventos no pueden atribuirse a un origen, por lo que no tienen una pila
[9]: https://developer.mozilla.org/en-US/docs/Web/API/PerformanceResourceTiming
[10]: https://developer.mozilla.org/en-US/docs/Web/API/Request
[11]: https://developer.mozilla.org/en-US/docs/Web/API/Response
-[12]: https://developer.mozilla.org/en-US/docs/Web//Reference/Global_Objects/Error
+[12]: https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Error
[13]: https://developer.mozilla.org/en-US/docs/Web/API/PerformanceLongTaskTiming
[14]: /es/real_user_monitoring/guide/enrich-and-control-rum-data
[15]: https://github.com/DataDog/browser-sdk/blob/main/packages/rum-core/src/rumEvent.types.ts
diff --git a/content/es/security/application_security/terms.md b/content/es/security/application_security/terms.md
index 9924273ae9d7a..a68685d991e3e 100644
--- a/content/es/security/application_security/terms.md
+++ b/content/es/security/application_security/terms.md
@@ -1,15 +1,12 @@
---
disable_toc: false
further_reading:
-- link: /security/application_security/how-appsec-works
+- link: /security/application_security/how-it-works
tag: Documentación
- text: Cómo funciona Application Security
-- link: /security/application_security/threats/
+ text: Cómo funciona App and API Protection
+- link: /security/application_security
tag: Documentación
- text: Gestión de amenazas
-- link: /security/application_security/software_composition_analysis/
- tag: Documentación
- text: Análisis de la composición del software
+ text: App and API Protection
- link: https://www.datadoghq.com/blog/datadog-threat-intelligence/
tag: Blog
text: Acelerar las investigaciones de seguridad con la información sobre amenazas
@@ -17,61 +14,55 @@ further_reading:
title: Términos y conceptos
---
-Datadog Application Security monitoriza las amenazas y ofrece protección contra los ataques a nivel de aplicación que pretenden explotar vulnerabilidades a nivel de código. Aprovecha el contexto de ejecución del código en tiempo de ejecución, los datos de trazas y de errores, así como la atribución al usuario.
+Datadog App and API Protection supervisa las amenazas y ofrece protección contra los ataques a nivel de aplicación que pretenden explotar las vulnerabilidades a nivel de código. Aprovecha el contexto de ejecución del código en tiempo de ejecución, traza y los datos de errores, así como la atribución al usuario.
-## Términos generales de seguridad de las aplicaciones
+## Condiciones generales de App and API Protection
Intento de ataque
-: Qué regla de seguridad ha sido activada por la traza (trace).
+: Qué regla de seguridad ha sido activada por la traza.
-Biblioteca Datadog
-: También biblioteca de rastreo
-: Lenguaje de programación específico de la biblioteca incorporado en aplicaciones web. Datadog Application Security utiliza la biblioteca para la monitorización y la protección. APM utiliza la misma biblioteca para la instrumentación del código para el rastreo de telemetría.
+Biblioteca de Datadog
+: _también_ rastreador, biblioteca de rastreo
+: una biblioteca específica del lenguaje de programación incrustada en aplicaciones web. Datadog App and API Protection utiliza la biblioteca para monitorizar y proteger. APM utiliza la misma biblioteca para instrumentar código para rastrear telemetría.
Regla de detección
-: Definición de lógica condicional que se aplica a los datos ingeridos y a las configuraciones de la nube. Cuando al menos un caso definido en una regla coincide durante un periodo de tiempo determinado, Datadog genera una señal de seguridad.
+: Definición de lógica condicional que se aplica a los datos ingeridos y a las configuraciones de la nube. Cuando coincide al menos un caso definido en una regla durante un periodo de tiempo determinado, Datadog genera una _señal de seguridad_.
: Consulta [Reglas de detección][10].
Lista de permisos (antiguo filtro de exclusión)
-: Mecanismo para descartar trazas de seguridad marcadas por la biblioteca Datadog Application Security y las reglas WAF en la aplicación. Passlist se aplica a medida que las solicitudes se ingieren en Datadog (admisión). La lista de permisos ayuda a gestionar los falsos positivos y los costes de admisión.
+: Mecanismo para descartar las trazas de seguridad marcadas por la biblioteca de Datadog App and API Protection y las reglas WAF en la aplicación. La lista de permisos se aplica a medida que las solicitudes se ingieren en Datadog (admisión), y ayuda a gestionar los falsos positivos y los costes de admisión.
: Consulta [Filtros de exclusión][11] en la aplicación.
Reglas WAF en la aplicación (antiguas reglas de eventos)
-: Conjunto de reglas que se ejecutan en bibliotecas Datadog para detectar actividades de seguridad. Incluyen patrones de Web Application Firewall (WAF) que monitorizan los intentos de explotar vulnerabilidades conocidas.
+: Conjunto de reglas que se ejecutan en las bibliotecas de Datadog para detectar las actividades de seguridad. Incluyen patrones del firewall de aplicaciones web (WAF) que monitorizan los intentos de explotar las vulnerabilidades conocidas.
: Consulta [Reglas WAF en la aplicación][12].
-Tests interactivos de seguridad de las aplicaciones (IAST)
-: Método de tests de seguridad de aplicaciones que detecta proactivamente vulnerabilidades mientras la aplicación es ejecutada por un test automatizado, un testeador humano o cualquier actividad que interactúe con la funcionalidad de la aplicación.
-
Configuración remota
-: Mecanismo de la plataforma Datadog que habilita la actualización remota de la configuración del Agent. Utilizada por Datadog Application Security para actualizar las reglas WAF en la aplicación, activar el producto y bloquear a los atacantes.
+: Mecanismo de la plataforma Datadog que habilita la actualización remota de la configuración del Agent. Es utilizada por Datadog App and API Protection para actualizar las reglas WAF en la aplicación, activar el producto y bloquear a los atacantes.
: Consulta [Cómo funciona la configuración remota][8].
Servicio
: Una única aplicación web, microservicio, API o función. Normalmente sirve a una función empresarial.
Señal
-: Detección de un ataque a una aplicación que afecta a tus servicios. Las señales identifican amenazas significativas para que las revises y les des un tratamiento de alta prioridad.
+: Detección de un ataque a una aplicación que afecta a los servicios. Las señales identifican amenazas significativas para que se puedan revisar y darles un tratamiento de alta prioridad.
: Consulta [Explorador de señales][13] en la aplicación.
-Análisis de la composición del software (SCA)
-: Comparación de las bibliotecas de código abierto cargadas por tus servicios en bases de datos con vulnerabilidades conocidas. El SCA te ayuda a identificar dependencias vulnerables, bibliotecas obsoletas y problemas de licencia en bibliotecas de código abierto cargadas por tus servicios web.
-
Gravedad
-: Indicador de la rapidez con la que se debe clasificar y abordar un intento de ataque. Se basa en una combinación de factores, incluyendo el impacto potencial y el riesgo del ataque. Los valores son Crítico, Alto, Medio, Bajo, Información.
+: Indicador de la rapidez con la que se debe clasificar y abordar un intento de ataque. Se basa en una combinación de factores, incluido el impacto potencial y el riesgo del ataque. Los valores son Crítico, Alto, Medio, Bajo, Información.
-Rastreo de seguridad
+Traza de seguridad
: Rastreo distribuido cuya actividad de seguridad ha sido marcada por reglas WAF en la aplicación. La traza subyacente se comparte con APM, lo que permite investigaciones más profundas y rápidas.
Solicitud sospechosa
: Rastreo distribuido cuya actividad de seguridad ha sido marcada por reglas WAF en la aplicación. La traza subyacente se comparte con APM, lo que permite investigaciones más profundas y rápidas.
Asignación a usuarios
-: Mecanismo que asigna las solicitudes sospechosas a usuarios conocidos en tus sistemas.
-: Consulta [Seguimiento de la actividad del usuario][14].
+: Mecanismo que asigna las solicitudes sospechosas a usuarios que son conocidos en tus sistemas.
+: Consulta [Rastreo de la actividad del usuario][14].
Vulnerabilidad
-: Riesgo pasivo de una aplicación. De [OWASP][1]: "Una vulnerabilidad es un hueco o una debilidad en la aplicación. Puede ser un defecto de diseño o un error de implementación, que permite a un atacante causar daño a las partes interesadas de una aplicación. Las partes interesadas incluyen el propietario de la aplicación, los usuarios de la aplicación y otras entidades que dependen de la aplicación."
+: Riesgo pasivo de una aplicación. De [OWASP][1]: "Una vulnerabilidad es un hueco o una debilidad en la aplicación. Puede ser un defecto de diseño o un error de implementación que permite a un atacante causar daño a las partes interesadas de una aplicación. Las partes interesadas incluyen al propietario de la aplicación, a los usuarios de la aplicación y a otras entidades que dependen de la aplicación."
Calificación de trazas
: Proceso mediante el cual Datadog ayuda a comprender el impacto de las trazas, etiquetándolas
@@ -79,28 +70,36 @@ como `Harmful Safe or Unknown`.
: Consulta [Calificación de trazas][15].
Información sobre amenazas
-: Conjunto de reglas que se ejecutan en bibliotecas Datadog para detectar amenazas. Incluyen patrones de Web Application Firewall (WAF) que monitorizan los intentos de explotar vulnerabilidades conocidas.
+: Conjunto de reglas que se ejecutan en las bibliotecas de Datadog para detectar las amenazas. Incluyen patrones del firewall de aplicaciones web (WAF) que monitorizan los intentos de explotar las vulnerabilidades conocidas.
: Consulta [Información sobre amenazas][16].
-Atacantes sospechosos
-: Precursor de las IP marcadas. Para ser clasificadas como sospechosas, las IP deben haber alcanzado un umbral mínimo de tráfico de ataque, pero no el umbral para ser marcadas. Los umbrales no son configurables por el usuario.
-: Consulta [Explorador de atacantes][17]
+atacantes sospechosos
+: Precursor de las IP marcadas. Las IPs sospechosas han alcanzado un umbral mínimo de tráfico de ataque para ser clasificadas como sospechosas, pero no el umbral para Flagged. Los umbrales no son configurables por el usuario.
+: Véase [Atacantes Explorer][17]
+
+atacantes marcados
+: IPs que envían grandes cantidades de tráfico de ataque. Se recomienda revisar y bloquear las IP marcadas. Los umbrales no son configurables por el usuario.
+: Ver [Atacantes Explorer][17]
+
+huella digital del atacante
+: identificadores calculados a partir de las características de la solicitud para rastrear a un atacante a través de múltiples solicitudes.
+: ver [Huella digital del atacante][18]
-Atacantes marcados
-: Las IP que envían grandes cantidades de tráfico de ataque. Se recomienda revisar y bloquear las IP marcadas. Los umbrales no son configurables por el usuario.
-: Consulta [Explorador de atacantes][17]
+clúster atacante
+: Conjunto de atributos que identifican a un atacante en un ataque distribuido.
+: Ver [Agrupación ern clústeres de atacantes][19]
## Términos de ataques y vulnerabilidades conocidas
-Proyecto abierto de seguridad de las aplicaciones web (OWASP)
-: Fundación sin ánimo de lucro que dispone de varios proyectos para mejorar la seguridad de las aplicaciones web. OWASP es más conocido por el [OWASP Top 10][2], un amplio consenso sobre los riesgos de seguridad más críticos para las aplicaciones web.
+Open Web App and API Protection Project (OWASP)
+: Una fundación sin ánimo de lucro con varios proyectos para mejorar la seguridad de las aplicaciones web. OWASP es más conocida por el [OWASP Top 10][2], un amplio consenso sobre los riesgos de seguridad más críticos para las aplicaciones web.
-Secuencias de comandos en sitios cruzados (XSS)
+Secuencia de comandos en sitios cruzados o Cross-Site Scripting (XSS)
: Tipo de ataque de inyección en el que se inyectan scripts maliciosos en sitios web por lo demás benignos y de confianza.
: Consulta [XSS en OWASP][3].
Inyección de lenguaje de consulta estructurado (SQLi, Inyección SQL)
-: Tipo de ataque de inyección en el que se ejecuta una consulta SQL a través de los datos introducidos en la aplicación por el cliente. Los comandos SQL se inyectan en la entrada del plano de datos para afectar a la ejecución de comandos SQL predefinidos. Una inyección SQL exitosa puede leer datos confidenciales de la base de datos, modificar datos de la base de datos (Insertar/Actualizar/Borrar), ejecutar operaciones de administración en la base de datos (como apagar el DBMS), recuperar el contenido de un archivo dado presente en el sistema de archivos del DBMS y, en algunos casos, enviar comandos al sistema operativo.
+: Tipo de ataque de inyección en el que se ejecuta una consulta SQL a través de los datos que el cliente ha introducido en la aplicación. Los comandos SQL se inyectan en la entrada del plano de datos para afectar a la ejecución de los comandos SQL predefinidos. Una correcta inyección SQL puede leer datos confidenciales de la base de datos, modificarlos (Insertar/Actualizar/Borrar), ejecutar operaciones de administración (como apagar el DBMS), recuperar el contenido de un archivo dado presente en el sistema de archivos del DBMS y, en algunos casos, enviar comandos al sistema operativo.
: **Relacionado**: Cassandra Query Language Injection (CQLi), NoSQL Injection (NoSQLi) - Similar a SQLi pero para Cassandra Query Language y NoSQL.
: Consulta [Inyección SQL en OWASP][4].
@@ -109,16 +108,16 @@ Falsificación de solicitudes del lado del servidor (SSRF)
: Consulta [Falsificación de solicitudes del lado del servidor en OWASP][5].
Inclusión local de archivos (LFI)
-: Vulnerabilidad que permite a un atacante incluir un archivo localmente presente en el servidor durante el procesamiento de la solicitud. En la mayoría de los casos, esto permite al atacante leer información confidencial almacenada en archivos del servidor. En casos más graves, la explotación puede conducir a una secuencia de comandos en sitios cruzados o una ejecución remota del código.
-: Ver [Testing for LFI en OWASP][6].
+: Vulnerabilidad que permite a un atacante incluir un archivo localmente presente en el servidor durante el procesamiento de la solicitud. En la mayoría de los casos, esto permite al atacante leer información confidencial almacenada en los archivos del servidor. En los casos más graves, la explotación puede conducir a una secuencia de comandos en sitios cruzados (cross-site scripting) o a una ejecución remota del código.
+: Consulta [Tests para LFI en OWASP][6].
Inclusión remota de archivos (RFI)
-: Vulnerabilidad similar a la inclusión local de archivos, pero que permite a un atacante incluir un archivo remoto durante el procesamiento de la solicitud. Los archivos utilizados en los ataques de inclusión remota de archivos suelen contener código malicioso para PHP, JSP o tecnologías similares.
+: Vulnerabilidad similar a la inclusión local de archivos, pero que permite a un atacante incluir un archivo remoto durante el procesamiento de la solicitud. Los archivos utilizados en los ataques de inclusión remota de archivos suelen contener un código malicioso para PHP, JSP o tecnologías similares.
Ejecución remota de código (RCE)
-: Vulnerabilidad que permite a un atacante ejecutar código en una máquina de forma remota.
+: Vulnerabilidad que permite a un atacante ejecutar un código en una máquina de forma remota.
-Object-Graph Navigation Language Injection (OGNLi)
+Inyección de OGNLi (Object-Graph Navigation Language Injection)
: Vulnerabilidad que permite a un atacante ejecutar su propia expresión OGNL en una aplicación Java, lo que suele conducir a la ejecución remota del código.
: Consulta [OGNLi en OWASP Top 10][7].
@@ -138,9 +137,11 @@ Object-Graph Navigation Language Injection (OGNLi)
[8]: /es/agent/remote_config/
[10]: /es/security/detection_rules/
[11]: https://app.datadoghq.com/security/appsec/exclusions
-[12]: /es/security/application_security/threats/inapp_waf_rules
+[12]: /es/security/application_security/policies/inapp_waf_rules/
[13]: https://app.datadoghq.com/security?query=%40workflow.rule.type%3A%22Application%20Security%22&product=appsec&view=signal
-[14]: /es/security/application_security/threats/add-user-info/
-[15]: /es/security/application_security/threats/trace_qualification/
-[16]: /es/security/application_security/threats/threat-intelligence/
-[17]: /es/security/application_security/threats/attacker-explorer/
\ No newline at end of file
+[14]: /es/security/application_security/how-it-works/add-user-info/
+[15]: /es/security/application_security/how-it-works/trace_qualification/
+[16]: /es/security/application_security/how-it-works/threat-intelligence/
+[17]: /es/security/application_security/security_signals/attacker-explorer/
+[18]: /es/security/application_security/security_signals/attacker_fingerprint/
+[19]: /es/security/application_security/security_signals/attacker_clustering/
\ No newline at end of file
diff --git a/content/es/security/application_security/threats/_index.md b/content/es/security/application_security/threats/_index.md
index 6078b8bb2b892..154a9133bd9a5 100644
--- a/content/es/security/application_security/threats/_index.md
+++ b/content/es/security/application_security/threats/_index.md
@@ -1,32 +1,56 @@
---
further_reading:
-- link: /security/application_security/threats/add-user-info/
+- link: /security/application_security/how-it-works/add-user-info/
tag: Documentación
text: Seguimiento de la actividad de los usuarios
- link: /security/application_security/threats/library_configuration/
tag: Documentación
- text: Configuración de ASM
-- link: /security/application_security/software_composition_analysis/
+ text: Configuración de tu AAP
+- link: /security/code_security/software_composition_analysis/
tag: Documentación
text: Análisis de composición de software
-- link: /security/application_security/how-appsec-works/
+- link: /security/application_security/how-it-works/
tag: Documentación
- text: Cómo funciona ASM
-title: Gestión de las amenazas a las aplicaciones
+ text: Funcionamiento de la AAP
+title: App and API Protection
---
-La gestión de amenazas de ASM utiliza la telemetría de trazas (traces) de las aplicaciones instrumentadas por APM para identificar amenazas y ataques en los servicios en ejecución comparando el comportamiento observado con patrones de ataque conocidos, o identificando el abuso de la lógica de negocio.
+{{< site-region region="gov" >}}
+
+
+### Creación de sondeos de métrica
+
+Un *sondeo de métrica* emite una métrica cuando se ejecuta.
+
+Para crear un sondeo de métrica:
+
+1. Selecciona **Metric** (Métrica) como tipo de sondeo.
+1. Completa la [configuración genérica del sondeo](#creating-a-probe) (elige un servicio, entorno, versión y localización del sondeo).
+1. Especifica un nombre para la métrica, que llevará el prefijo `dynamic.instrumentation.metric.probe.`.
+1. Selecciona un tipo de métrica (recuento, gauge, o histograma).
+1. Elige el valor de la métrica con el [lenguaje de expresión de Dynamic Instrumentation][15]. Puedes usar cualquier valor numérico que quieras del contexto de ejecución, como un parámetro de método, una variable local, un campo de clase o una expresión que produzca un valor numérico. Esto es opcional en el caso de las métricas de recuento, y si lo omites, cada invocación incrementará el recuento en uno.
+
+{{< img src="dynamic_instrumentation/metric_probe.png" alt="Creación de un sondeo de métrica de Dynamic Instrumentation" >}}
+
+Los sondeos de métrica se habilitan de manera automática en todas las instancias de servicio que coinciden con la versión y entorno configurados. Los sondeos de métrica no están limitados por la frecuencia y se ejecutan cada vez que se invoca el método o la línea.
+
+Los sondeos de métrica de Dynamic Instrumentation admiten los siguientes tipos de métricas:
+
+- **Recuento**: cuenta la cantidad de veces que se ejecuta una línea o método determinado. Se puede combinar con [expresiones de métricas][15] para usar el valor de una variable a fin de incrementar el recuento.
+- **Gauge**: genera un gauge basado en el último valor de una variable. Esta métrica requiere una [expresión de métrica][15].
+- **Histograma**: genera una distribución estadística de una variable. Esta métrica requiere una [expresión de métrica][15].
+
+### Creación de sondeos de tramo
+
+Un *sondeo de tramo* emite un tramo cuando se ejecuta un método.
+
+Para crear un sondeo de tramo:
+
+1. Selecciona **Span** (Tramo) como tipo de sondeo.
+1. Completa la [configuración genérica del sondeo](#creating-a-probe) (elige un servicio, entorno, versión y localización del sondeo).
+
+{{< img src="dynamic_instrumentation/span_probe.png" alt="Creación de un sondeo de tramo de Dynamic Instrumentation" >}}
+
+Puedes usar un *sondeo de tramo* como alternativa a [crear tramos nuevos con la instrumentación personalizada][13]. Si el método lanza una excepción, los detalles de la excepción se asocian a la nueva etiqueta `error` del tramo.
+
+### Creación de sondeos de etiqueta de tramo
+
+Un sondeo de *etiqueta de tramo* añade un valor de etiqueta a un tramo existente. Puedes añadir una etiqueta al tramo _activo_ o al tramo de _entrada de servicio_.
+Ten en cuenta que los tramos internos no se indexan de manera predeterminada y, por tanto, es posible que no se puedan buscar en APM.
+
+Para crear un sondeo de etiqueta de tramo:
+
+1. Selecciona **Span Tag** (Etiqueta de tramo) como tipo de sondeo.
+1. Completa la [configuración genérica del sondeo](#creating-a-probe) (elige un servicio, entorno, versión y localización del sondeo).
+1. Especifica un nombre para la etiqueta.
+1. Especifica el valor de la etiqueta con el [lenguaje de expresión de Dynamic Instrumentation][15].
+1. Opcionalmente, define una condición con el lenguaje de expresión de Dynamic Instrumentation. Solo se añadirá la etiqueta cuando la expresión se evalúe como verdadera.
+1. Opcionalmente, añade etiquetas adicionales, cada una con su nombre, expresión y condición opcional.
+
+
+{{< img src="dynamic_instrumentation/span_tag_probe.png" alt="Creación de un sondeo de etiqueta de tramo de Dynamic Instrumentation" >}}
+
+Puedes usar un *sondeo de etiqueta de tramo* como alternativa a [usar la instrumentación personalizada para añadir etiquetas en el código][14].
+
+
+## Referencias adicionales
+
+{{< partial name="whats-next/whats-next.html" >}}
+
+[1]: /es/agent/
+[2]: /es/agent/remote_config/
+[3]: https://github.com/DataDog/dd-trace-java
+[4]: https://github.com/DataDog/dd-trace-py
+[5]: https://github.com/DataDog/dd-trace-dotnet
+[6]: /es/getting_started/tagging/unified_service_tagging/
+[7]: /es/integrations/guide/source-code-integration/
+[8]: /es/account_management/rbac/permissions#apm
+[9]: /es/logs/log_configuration/indexes/#exclusion-filters
+[10]: /es/logs/log_configuration/indexes/#add-indexes
+[11]: /es/dynamic_instrumentation/how-it-works/
+[12]: https://app.datadoghq.com/dynamic-instrumentation
+[13]: /es/tracing/trace_collection/custom_instrumentation/java/#adding-spans
+[14]: /es/tracing/trace_collection/custom_instrumentation/java/#adding-tags
+[15]: /es/dynamic_instrumentation/expression-language
+[16]: https://app.datadoghq.com/dynamic-instrumentation/setup
+[17]: /es/dynamic_instrumentation/symdb/
+[18]: https://github.com/DataDog/dd-trace-js
+[19]: https://github.com/DataDog/dd-trace-rb
+[20]: https://github.com/DataDog/dd-trace-php
\ No newline at end of file
diff --git a/content/es/tracing/guide/instrument_custom_method.md b/content/es/tracing/guide/instrument_custom_method.md
index f0808bf6b9cee..49af6fce3b3bc 100644
--- a/content/es/tracing/guide/instrument_custom_method.md
+++ b/content/es/tracing/guide/instrument_custom_method.md
@@ -2,13 +2,14 @@
further_reading:
- link: /tracing/guide/alert_anomalies_p99_database/
tag: 3 minutos
- text: Alerta sobre latencia p99 anómala de un servicio de base de datos
+ text: Alertar sobre la latencia p99 anómala de un servicio de base de datos
- link: /tracing/guide/week_over_week_p50_comparison/
tag: 2 minutos
text: Comparar la latencia del servicio con la de la semana anterior
- link: /tracing/guide/slowest_request_daily/
tag: 3 minutos
- text: Depurar el rastreo más lento en el endpoint más lento de un servicio web
+ text: Depurar la traza (traza) más lenta en el endpoint más lento de un servicio
+ web
- link: /tracing/guide/
tag: ''
text: Todas las guías
@@ -22,23 +23,23 @@ _8 minutos para completarlo_
transactions) {
for (Transaction transaction : transactions) {
@@ -73,18 +74,18 @@ import io.opentracing.util.GlobalTracer;
public class BackupLedger {
- // Use `@Trace` annotation to trace custom methods
+ // Utiliza la anotación `@Trace` para rastrear métodos personalizados
@Trace
public void write(List transactions) {
- for (Transaction transaction : transactions) {
- // Use `GlobalTracer` to trace blocks of inline code
+ para (Transaction transaction : transactions) {
+ // Utiliza `GlobalTracer` para rastrear bloques del código insertado
Tracer tracer = GlobalTracer.get();
- // Note: The scope in the try with resource block below
- // will be automatically closed at the end of the code block.
- // If you do not use a try with resource statement, you need
- // to call scope.close().
- try (Scope scope = tracer.buildSpan("BackupLedger.persist").startActive(true)) {
- // Add custom metadata to the span
+ // Nota: El ámbito en el siguiente bloque intentar con el recurso
+ // se cerrará automáticamente al final del bloque de código.
+ // Si no utilizas una instrucción probar con el recurso, deberás
+ // llamar a scope.close().
+ prueba (Scope scope = tracer.buildSpan("BackupLedger.persist").startActive(true)) {
+ // Añade metadatos personalizados al tramo
scope.span().setTag("transaction.id", transaction.getId());
ledger.put(transaction.getId(), transaction);
}
@@ -99,7 +100,7 @@ public class BackupLedger {
{{< /programming-lang >}}
{{< programming-lang lang="python" >}}
-En Python, la APM Datadog te permite Instrumentar tu código para generar tramos personalizados, ya sea utilizando decoradores de métodos o instrumentando bloques de código específicos.
+En Python, la APM Datadog te permite instrumentar tu código para generar tramos personalizados, ya sea utilizando decoradores de métodos o instrumentando bloques de código específicos.
**Instument a method with a decorator** (Instrumentar un método con un decorador):
@@ -110,10 +111,10 @@ from ddtrace import tracer
class BackupLedger:
- # Use `tracer.wrap` decorator to trace custom methods
+ # Utiliza el decorador `tracer.wrap` para rastrear métodos personalizados
@tracer.wrap()
def write(self, transactions):
- for transaction in transactions:
+ para una transacción en transacciones:
self.ledger[transaction.id] = transaction
# [...]
@@ -121,20 +122,20 @@ class BackupLedger:
**Instrument a specific code block** (Instrumentar un bloque de código específico):
-Este ejemplo añade tramos secundarios al tramo `BackupLedger.write` creado anteriormente. Este método añade un tramo secundario para cada transacción en el libro de contabilidad y una [etiqueta personalizada][1] con el ID de transacción específico.
+Este ejemplo añade tramos secundarios al tramo `BackupLedger.write` creado anteriormente. Este método añade un tramo secundario para cada transacción en el libro de contabilidad y una [etiqueta (tag) personalizada][1] con el ID de transacción específico.
```python
from ddtrace import tracer
class BackupLedger:
- # Use `tracer.wrap` decorator to trace custom methods
+ # Utiliza el decorador `tracer.wrap` para rastrear métodos personalizados
@tracer.wrap()
def write(self, transactions):
- for transaction in transactions:
- # Use `tracer.trace` context manager to trace blocks of inline code
- with tracer.trace('BackupLedger.persist') as span:
- # Add custom metadata to the "persist_transaction" span
+ para la transacción en transacciones:
+ # Utiliza el administrador del contexto `tracer.trace` para rastrear bloques del código insertado
+ con el tramo tracer.trace('BackupLedger.persist'):
+ # Añade metadatos personalizados al tramo "persist_transaction"
span.set_tag('transaction.id', transaction.id)
self.ledger[transaction.id] = transaction
@@ -155,11 +156,11 @@ require 'ddtrace'
class BackupLedger
def write(transactions)
- # Use global `Datadog::Tracing.trace` to trace blocks of inline code
+ # Utiliza `Datadog::Tracing.trace` global para rastrear bloques del código insertado
Datadog::Tracing.trace('BackupLedger.write') do |method_span|
transactions.each do |transaction|
Datadog::Tracing.trace('BackupLedger.persist') do |span|
- # Add custom metadata to the "persist_transaction" span
+ # Añade metadatos personalizados al tramo "persist_transaction"
span.set_tag('transaction.id', transaction.id)
ledger[transaction.id] = transaction
end
@@ -179,10 +180,14 @@ end
Este ejemplo crea un nuevo tramo para cada transacción contabilizada en el libro de contabilidad y añade una [etiqueta personalizada][1] con el ID de transacción específico al tramo.
+ {{% tracing-go-v2 %}}
+
```go
package ledger
-import "gopkg.in/DataDog/dd-trace-go.v1/ddtrace/tracer"
+import (
+ "github.com/DataDog/dd-trace-go/v2/ddtrace/tracer"
+)
// [...]
@@ -218,6 +223,8 @@ func (bl *BackupLedger) persistTransaction(ctx context.Context, transaction *Tra
```
[1]: /es/tracing/trace_collection/custom_instrumentation/otel_instrumentation/
+[2]: /es/tracing/trace_collection/custom_instrumentation/go/migration
+
{{< /programming-lang >}}
{{< programming-lang lang="nodejs" >}}
@@ -229,11 +236,11 @@ Este ejemplo crea un nuevo tramo para la llamada al método `BackupLedger.write`
const tracer = require('dd-trace')
function write (transactions) {
- // Use `tracer.trace` context manager to trace blocks of inline code
+ // Utiliza el administrador de contexto `tracer.trace` para rastrear bloques del código insertado
tracer.trace('BackupLedger.write', () => {
- for (const transaction of transactions) {
+ para (const transaction of transactions) {
tracer.trace('BackupLedger.persist' , (span) => {
- // Add custom metadata to the "persist_transaction" span
+ // Añade metadatos personalizados al tramo "persist_transaction"
span.setTag('transaction.id', transaction.id)
this.ledger[transaction.id] = transaction
})
@@ -250,21 +257,21 @@ function write (transactions) {
En .NET, la APM Datadog te permite instrumentar tu código para generar tramos personalizados instrumentando bloques de código específicos.
-Este ejemplo crea un nuevo tramo para cada transacción contabilizada en el libro de contabilida y añade una [etiqueta personalizada][1] con el ID de transacción específico al tramo.
+Este ejemplo crea un nuevo tramo para cada transacción contabilizada en el libro de contabilidad y añade una [etiqueta personalizada][1] con el ID de transacción específico al tramo.
```csharp
using Datadog.Trace;
public void Write(List transactions)
{
- // Use global tracer to trace blocks of inline code
- using (var scope = Tracer.Instance.StartActive("BackupLedger.write"))
+ // Utiliza el rastreador global para rastrear bloques del código insertado
+ utilizando (var scope = Tracer.Instance.StartActive("BackupLedger.write"))
{
foreach (var transaction in transactions)
{
- using (var scope = Tracer.Instance.StartActive("BackupLedger.persist"))
+ utilizando (var scope = Tracer.Instance.StartActive("BackupLedger.persist"))
{
- // Add custom metadata to the span
+ // Añade metadatos personalizados al tramo
scope.Span.SetTag("transaction.id", transaction.Id);
this.ledger[transaction.Id] = transaction;
}
@@ -319,15 +326,15 @@ Este ejemplo añade tramos secundarios al tramo `BackupLedger.write` creado ante
public function write(array $transactions) {
foreach ($transactions as $transaction) {
- // Use global tracer to trace blocks of inline code
+ // Utiliza el rastreador global para rastrear bloques del código insertado
$span = \DDTrace\start_span();
$span->name = 'BackupLedger.persist';
- // Add custom metadata to the span
+ // Añade metadatos personalizados al tramo
$span->meta['transaction.id'] = $transaction->getId();
$this->transactions[$transaction->getId()] = $transaction;
- // Close the span
+ // Cierra el tramo
\DDTrace\close_span();
}
@@ -354,19 +361,19 @@ Este ejemplo añade tramos secundarios al tramo `BackupLedger.write` creado ante
Ahora que has instrumentado tu lógica de negocio, es el momento de ver los resultados en la UI de la APM Datadog .
-1. Ve al **[Service Catalog][1]** (Catálogo de servicios) y haz clic en el servicio al que has añadido tramos personalizados, para abrir su página de servicios. En la página de servicios, haz clic en el **specific resource** (recurso específico) que has añadido, cambia el filtro de tiempo a `The past 15 minutes` y desplázate hacia abajo a la tabla de resumen de tramos:
+1. Ve a **[Software Catalog][1]** y haz clic en el servicio al que has añadido spans (tramos) personalizados, para abrir su page (página) de servicio. En la page (página) de servicio, haz clic en el **recurso específico** que has añadido, cambia el filtro de tiempo a `The past 15 minutes` y desplázate hacia abajo hasta la tabla resumen de spans (tramos):
{{< img src="tracing/guide/custom_span/custom_span_3.png" alt="Tabla de resumen de tramos" style="width:90%;">}}
-La tabla resumen tramos proporciona información agregada sobre los tramos que componen tus rastreos. Aquí puedes identificar tramos que se repiten una cantidad anormal de veces, lo cual indica algún bucle o ineficiencia de acceso a la base de datos (como el problema [`n+1`][2]).
+La tabla resumen tramos proporciona información agregada sobre los tramos que componen tus trazas. Aquí puedes identificar tramos que se repiten una cantidad anormal de veces, lo cual indica algún bucle o ineficiencia de acceso a la base de datos (como el problema [`n+1`][2]).
-2. Desplázate hacia abajo a **Traces list** (Lista de rastreos) y haz clic en uno de tus rastreos.
+2. Desplázate hacia abajo a **Traces list** (Lista de trazas) y haz clic en una de tus trazas.
{{< img src="tracing/guide/custom_span/custom_span_4_cropped.png" alt="Vista de análisis" style="width:90%;">}}
-Has añadido con éxito tramos personalizados a tu código base, y has hecho que estén disponibles en la gráfica de llamas y en [Análisis de la aplicación][3]. Este es el primer paso para aprovechar al máximo las herramientas de Datadog. Ahora puedes [añadir etiquetas personalizados a tus tramos][4] para hacerlos aún más potentes.
+Has añadido con éxito tramos personalizados a tu código base y has hecho que estén disponibles en la gráfica de llamas y en [Análisis de la aplicación][3]. Este es el primer paso para aprovechar al máximo las herramientas de Datadog. Ahora puedes [añadir etiquetas personalizadas a tus tramos][4] para hacerlos aún más potentes.
-## Leer más
+## Referencias adicionales
{{< partial name="whats-next/whats-next.html" >}}
diff --git a/content/es/tracing/metrics/runtime_metrics/_index.md b/content/es/tracing/metrics/runtime_metrics/_index.md
new file mode 100644
index 0000000000000..5a7553fe3b92f
--- /dev/null
+++ b/content/es/tracing/metrics/runtime_metrics/_index.md
@@ -0,0 +1,305 @@
+---
+aliases:
+- /es/tracing/advanced/runtime_metrics/
+- /es/tracing/metrics/runtime_metrics/dotnet
+- /es/tracing/metrics/runtime_metrics/java
+- /es/tracing/metrics/runtime_metrics/nodejs
+- /es/tracing/metrics/runtime_metrics/python
+- /es/tracing/metrics/runtime_metrics/ruby
+- /es/tracing/runtime_metrics/dotnet
+- /es/tracing/runtime_metrics/java
+- /es/tracing/runtime_metrics/nodejs
+- /es/tracing/runtime_metrics/python
+- /es/tracing/runtime_metrics/ruby
+description: Obtén información adicional sobre el rendimiento de una aplicación con
+ las métricas de tiempo de ejecución asociadas a tus trazas (traces).
+further_reading:
+- link: tracing/other_telemetry/connect_logs_and_traces
+ tag: Documentación
+ text: Correlacionar logs y trazas
+- link: tracing/trace_collection/custom_instrumentation
+ tag: Documentación
+ text: Instrumenta tu aplicación de forma manual para crear trazas.
+- link: tracing/glossary/
+ tag: Documentación
+ text: Explorar tus servicios, recursos y trazas (traces)
+title: Métricas de tiempo de ejecución
+---
+
+## Información general
+
+Las métricas de tiempo de ejecución monitorizan el uso de memoria, la recolección de basura y la paralelización de tu aplicación. Las bibliotecas de rastreo de Datadog recopilan automáticamente estas métricas de entornos compatibles y las envían al Agent.
+
+Estas métricas te permiten identificar cuellos de botella, solucionar problemas de rendimiento y optimizar el uso de los recursos. Al consultar las métricas de tiempo de ejecución junto con las trazas y los logs, obtendrás una visibilidad completa del estado y el rendimiento de tu aplicación.
+
+## Compatibilidad
+
+Las métricas de tiempo de ejecución están disponibles para varios lenguajes de programación y tiempos de ejecución, con distintos niveles de compatibilidad y opciones de configuración.
+
+{{< tabs >}}
+{{% tab "Java" %}}
+
+- **Activado por defecto**: Sí
+- **Versión de la biblioteca**: 0.29.0 o posterior
+- **Tiempos de ejecución**: Java 8 o posterior
+
+`. Por ejemplo, el usuario para el DefaultAppPool sería `IIS APPPOOL\DefaultAppPool`.
+
+Puedes hacer esto desde la interfaz de usuario "Gestión de ordenadores" o desde una acción de comando del administrador:
+
+```shell
+net localgroup "Performance Monitor Users" "IIS APPPOOL\DefaultAppPool" /add
+```
+
+{{% /tab %}}
+{{% tab "PHP" %}}
+
+
+ +{{< site-region region="us3,us5,eu,gov,ap1,ap2" >}} + +3. Define `DD_SITE` en el Datadog Agent como {{< region-param key="dd_site" code="true" >}} para asegurarte de que el Agent envía los datos a la localización Datadog correcta. + +{{< /site-region >}} + +{{% /collapse-content %}} + +### 2. Configurar la aplicación + +Configura las métricas de tiempo de ejecución en tu aplicación utilizando variables de entorno. Algunos lenguajes también permiten configurar métricas de tiempo de ejecución [directamente en el código](#code-based-configuration). + +#### Variables de entorno + +Utiliza las siguientes variables de entorno para configurar métricas de tiempo de ejecución en tu aplicación: + +`DD_RUNTIME_METRICS_ENABLED` +: **Por defecto**: `true` para Java, `false` para todos los demás lenguajes
+**Descripción**: Activa la recopilación de métricas de tiempo de ejecución. Las métricas se envían al Datadog Agent, según lo configurado para la aplicación instrumentada. + +`DD_RUNTIME_METRICS_RUNTIME_ID_ENABLED` +: **Por defecto**: `true` para Java, `false` para Node.js, Ruby y Python. No existe para .NET y Go. Siempre se indica `runtime_id`.
+**Descripción**: Habilita métricas en tiempo de ejecución mejoradas, proporcionando una etiqueta (tag) `runtime_id` junto con cada métrica. `runtime_id` representa el identificador de procesos de la aplicación y te permite correlacionar directamente las métricas de tiempo de ejecución con aplicaciones individuales en ejecución. + +`DD_AGENT_HOST` +: **Por defecto**: `localhost`
+**Descripción**: Define la dirección del host para el envío de métricas de la biblioteca de rastreo. Puede ser un nombre de host o una dirección IP. + +`DD_DOGSTATSD_PORT` +: **Por defecto**: `8125`
+**Descripción**: Define el puerto para el envío de métricas de la biblioteca de rastreo. + +#### Configuración basada en códigos + +Además de las variables de entorno, algunos lenguajes permiten configurar métricas de tiempo de ejecución directamente en el código. + +{{< tabs >}} +{{% tab "Java" %}} + +Sólo puedes activar las métricas de tiempo de ejecución con [variables de entorno](#environment-variables). + +Sin embargo, puedes ampliar las métricas recopiladas añadiendo métricas JMX personalizadas. Para obtener más información, consulta la documentación de la [integración JMX][100]. + +[100]: /es/integrations/java/ +{{% /tab %}} + +{{% tab "Python" %}} + +Puedes activar las métricas de tiempo de ejecución con [variables de entorno](#environment-variables) o en código: + +```python +from ddtrace.runtime import RuntimeMetrics +RuntimeMetrics.enable() +``` + +
-## Présentation
+## Section Overview
L'Agent Datadog est un logiciel qui s'exécute sur vos hosts. Il recueille les événements et les métriques des hosts et les envoie à la plateforme Datadog, à partir de laquelle vous pouvez analyser vos données de surveillance et de performance. L'Agent Datadog est open source et son code source est disponible sur GitHub dans [DataDog/datadog-agent][1].
diff --git a/content/fr/agent/configuration/agent-configuration-files.md b/content/fr/agent/configuration/agent-configuration-files.md
new file mode 100644
index 0000000000000..a7b916e446adf
--- /dev/null
+++ b/content/fr/agent/configuration/agent-configuration-files.md
@@ -0,0 +1,76 @@
+---
+algolia:
+ category: guide
+ rank: 80
+ subcategory: Fichiers de configuration de l'Agent
+ tags:
+ - configuration de l'agent
+ - configuration de l'agent
+ - répertoire de l’agent
+aliases:
+- /fr/agent/faq/agent-configuration-files
+- /fr/agent/guide/agent-configuration-files
+title: Fichiers de configuration de l'Agent
+---
+
+## Fichier de configuration principal
+
+L'emplacement du fichier de configuration de l'Agent dépend du système d'exploitation.
+
+| Plateforme | Commande |
+|:-------------------------------------|:-------------------------------------|
+| AIX | `/etc/datadog-agent/datadog.yaml` |
+| Linux | `/etc/datadog-agent/datadog.yaml` |
+| macOS | `~/.datadog-agent/datadog.yaml` |
+| Windows | `%ProgramData%\Datadog\datadog.yaml` |
+
+Consultez le [fichier d'exemple 'config_template.yaml'][1] pour découvrir toutes les options de configuration disponibles.
+
+## Répertoire de configuration de l'Agent
+
+Les fichiers de checks des vérifications de l'Agent et des intégrations sont stockés dans le répertoire 'conf.d'. L'emplacement de ce répertoire varie selon le système d'exploitation.
+
+| Plateforme | Commande |
+|:-------------------------------------|:-------------------------------|
+| AIX | `/etc/datadog-agent/conf.d/` |
+| Linux | `/etc/datadog-agent/conf.d/` |
+| CentOS | `/etc/datadog-agent/conf.d/` |
+| Debian | `/etc/datadog-agent/conf.d/` |
+| Fedora | `/etc/datadog-agent/conf.d/` |
+| macOS | `~/.datadog-agent/conf.d/` |
+| RedHat | `/etc/datadog-agent/conf.d/` |
+| Source | `/etc/datadog-agent/conf.d/` |
+| Suse | `/etc/datadog-agent/conf.d/` |
+| Ubuntu | `/etc/datadog-agent/conf.d/` |
+| Windows | `%ProgramData%\Datadog\conf.d` |
+
+**Remarque** : les fichiers de taille nulle dans ce répertoire sont ignorés par l'Agent. Cela permet de prendre en charge les systèmes de provisioning qui ne permettent pas d'ignorer les fichiers modèles vides.
+
+### Fichiers de configuration des checks
+
+Pour chaque check de l'Agent, un exemple de configuration se trouve dans le fichier `conf.yaml.example` du dossier `(indicador) | Solicitudes al servidor que están activas en este momento.
_Mostrado como solicitud_ | +| **quarkus.http_server.bytes_read.count**
(count) | Número de veces que algunos bytes fueron recibidos por el servidor.| +| **quarkus.http_server.bytes_read.max**
(calibre) | Número máximo de bytes recibidos actualmente por el servidor.
_Mostrado como byte_ | +| **quarkus.http_server.bytes_read.sum**
(recuento) | Número total de bytes recibidos por el servidor desde que se inició.
_Mostrado como byte_ | +| **quarkus.http_server.bytes_written.count**
(count) | Número de veces que algunos bytes fueron por el servidor.| +| **quarkus.http_server.bytes_written.max**
(calibre) | Número máximo actual de bytes enviados por el servidor.
_Mostrado como byte_ | +| **quarkus.http_server.bytes_written.sum**
(recuento) | Número total de bytes enviados por el servidor.
_Mostrado como byte_ | +| **quarkus.http_server.connections.seconds.max**
(calibre) | La duración de las conexiones en segundos.
_Mostrado como segundo_ | +| **quarkus.http_server.requests.seconds.count**
(count) | El número de solicitudes observadas hasta el momento.| +| **quarkus.http_server.requests.seconds.max**
(indicador) | La mayor duración actual de la solicitud en segundos.
_Se muestra como segundo_ | +| **quarkus.http_server.requests.seconds.sum**
(recuento) | Número total de segundos que han tardado todas las solicitudes hasta el momento.
_Se muestra como segundo_ | +| **quarkus.jvm.buffer.count_buffers**
(calibre) | Una estimación del número de buffers en el pool.
_Shown as buffer_ | +| **quarkus.jvm.buffer.memory_used.bytes**
(calibre) | Una estimación de la memoria que la máquina virtual Java está utilizando para este conjunto de búferes.
_Mostrado como byte_ | +| **quarkus.jvm.buffer.total_capacity.bytes**
(calibre) | Una estimación de la capacidad total de los buffers en este pool.
_Mostrado como byte_ | +| **quarkus.jvm.classes.loaded_classes**
(calibre) | Número de clases cargadas actualmente en la máquina virtual Java.| +| **quarkus.jvm.gc.live_data_size.bytes**
(calibre) | Tamaño de la reserva de memoria heap de larga duración después de la recuperación.
_Mostrado como byte_ | +| **quarkus.jvm.gc.max_data_size.bytes**
(calibre) | Tamaño máximo de la reserva de memoria heap de larga duración.
_Mostrado como byte_ | +| **quarkus.jvm.gc.overhead**
(calibre) | Una aproximación del porcentaje de tiempo de CPU utilizado por las actividades de GC durante el último periodo de revisión retrospectiva o desde que comenzó la monitorización, lo que sea más corto, en el rango \[0..1\].| +| **quarkus.jvm.memory.committed.bytes**
(calibre) | La cantidad de memoria en bytes que está comprometida para el uso de la máquina virtual Java.
_Mostrado como byte_ | +| **quarkus.jvm.memory.max.bytes**
(calibre) | La cantidad máxima de memoria en bytes que se puede utilizar para la gestión de la memoria.
_Mostrado como byte_ | +| **quarkus.jvm.memory.usage_after_gc**
(calibre) | Porcentaje del montón de larga duración utilizado tras el último evento de GC, en el rango \[0..1\].
_Mostrado como fracción_ | +| **quarkus.jvm.memory.used.bytes**
(calibre) | La cantidad de memoria utilizada.
_Se muestra como byte_ | +| **quarkus.jvm.threads.daemon_threads**
(calibre) | El número actual de hilos daemon vivos.
_Shown as thread_ | +| **quarkus.jvm.threads.live_threads**
(calibre) | El número actual de hilos activos, incluidos los hilos demonio y no demonio.
_Mostrado como hilo_ | +| **quarkus.jvm.threads.peak_threads**
(calibre) | El número máximo de hilos activos desde que se inició la máquina virtual Java o se reinició el número máximo.
_Shown as thread_ | +| **quarkus.jvm.threads.states_threads**
(calibre) | El número actual de hilos.
_Shown as thread_ | +| **quarkus.netty.allocator.memory.pinned**
(calibre) | Tamaño, en bytes, de la memoria que utiliza el búfer asignado.
_Mostrado como byte_ | +| **quarkus.netty.allocator.memory.used**
(calibre) | Tamaño, en bytes, de la memoria que utiliza el asignador.
_Shown as byte_ | +| **quarkus.netty.allocator.pooled.arenas**
(calibre) | Número de arenas para un asignador agrupado.
_Se muestra como byte_ | +| **quarkus.netty.allocator.pooled.cache_size**
(calibre) | Tamaño, en bytes, de la caché para un asignador agrupado.
_Shown as byte_ | +| **quarkus.netty.allocator.pooled.chunk_size**
(calibre) | Tamaño, en bytes, de los trozos de memoria para un asignador agrupado.
_Mostrado como byte_ | +| **quarkus.netty.allocator.pooled.threadlocal_caches**
(calibre) | Número de cachés ThreadLocal para un asignador agrupado.| +| **quarkus.netty.eventexecutor.tasks_pending**
(indicador) | Número de tareas pendientes en el ejecutor de eventos.
_Mostrado como tarea_ | +| **quarkus.process.cpu.usage**
(calibre) | El uso reciente de cpu para el proceso de la Máquina Virtual Java.| +| **quarkus.process.files.max_files**
(calibre) | El recuento máximo de descriptores de archivo.
_Shown as file_ | +| **quarkus.process.files.open_files**
(calibre) | El recuento del descriptor de archivo abierto.
_Shown as file_ | +| **quarkus.process.uptime.seconds**
(calibre) | El tiempo de actividad de la máquina virtual Java.
_Mostrado como segundo_ | +| **quarkus.system.cpu.count**
(calibre) | El número de procesadores disponibles para la máquina virtual Java.| +| **quarkus.system.cpu.usage**
(calibre) | El uso reciente de cpu del sistema en el que se está ejecutando la aplicación.| +| **quarkus.system.load_average_1m**
(calibre) | La suma del número de entidades ejecutables en cola para los procesadores disponibles y el número de entidades ejecutables que se ejecutan en los procesadores disponibles promediado durante un periodo de tiempo.| +| **quarkus.worker_pool.active**
(calibre) | Número de recursos de la reserva utilizados actualmente.| +| **quarkus.worker_pool.idle**
(calibre) | Número de recursos de la reserva utilizados actualmente.| +| **quarkus.worker_pool.queue.delay.seconds.count**
(count) | Número de artículos que pasaron tiempo en la cola de espera antes de ser procesados.| +| **quarkus.worker_pool.queue.delay.seconds.max**
(calibre) | Tiempo máximo actual en la cola de espera antes de ser procesado.
_Se muestra como segundo_ | +| **quarkus.worker_pool.queue.delay.seconds.sum**
(count) | Tiempo total pasado en la cola de espera antes de ser procesado.| +| **quarkus.worker_pool.queue.size**
(calibre) | Número de elementos pendientes en la cola de espera.| +| **quarkus.worker_pool.ratio**
(gauge) | Ratio de trabajadores que se están utilizando en este momento.
_Se muestra como fracción_ | +| **quarkus.worker_pool.usage.seconds.count**
(count) | Número de veces que se han utilizado recursos del pool.
_Se muestra como segundo_ | +| **quarkus.worker_pool.usage.seconds.max**
(calibre) | Tiempo máximo de utilización de los recursos del pool.
_Se muestra como segundo_ | +| **quarkus.worker_pool.usage.seconds.sum**
(count) | Tiempo total de utilización de los recursos del pool.
_Se muestra como segundo_ | + +### Eventos + +La integración Quarkus no incluye eventos. + +### Checks de servicio + +**quarkus.openmetrics.health** + +Devuelve `CRITICAL` si el Agent es incapaz de conectarse al punto final Quarkus OpenMetrics, de lo contrario devuelve `OK`. + +_Estados: ok, crítico_ + +## Solucionar problemas + +¿Necesita ayuda? Póngase en contacto con [Datadog support](https://docs.datadoghq.com/help/). \ No newline at end of file diff --git a/content/es/integrations/redisdb.md b/content/es/integrations/redisdb.md new file mode 100644 index 0000000000000..5eb4c781f0ee4 --- /dev/null +++ b/content/es/integrations/redisdb.md @@ -0,0 +1,490 @@ +--- +app_id: "redis" +app_uuid: "15f0ff37-2b36-4165-9606-758271d4a16d" +assets: + dashboards: + redis: "assets/dashboards/overview.json" + integration: + auto_install: true + configuration: + spec: "assets/configuration/spec.yaml" + events: + creates_events: false + metrics: + check: "redis.net.clients" + metadata_path: "metadata.csv" + prefix: "redis" + process_signatures: + - "redis-server" + service_checks: + metadata_path: "assets/service_checks.json" + source_type_id: !!int "21" + source_type_name: "Redis" + monitors: + "Memory consumption is high": "assets/monitors/high_mem.json" + saved_views: + error_warning_status: "assets/saved_views/error_warning_status.json" + pid_overview: "assets/saved_views/pid_overview.json" + redis_pattern: "assets/saved_views/redis_pattern.json" + redis_processes: "assets/saved_views/redis_processes.json" +author: + homepage: "https://www.datadoghq.com" + name: "Datadog" + sales_email: "info@datadoghq.com" + support_email: "help@datadoghq.com" +categories: +- "caching" +- "data stores" +- "log collection" +- "tracing" +custom_kind: "integración" +dependencies: +- "https://github.com/DataDog/integrations-core/blob/master/redisdb/README.md" +display_on_public_website: true +draft: false +git_integration_title: "redisdb" +integration_id: "redis" +integration_title: "Redis" +integration_version: "8.0.0" +is_public: true +manifest_version: "2.0.0" +name: "redisdb" +public_title: "Redis" +short_description: "Realiza un seguimiento del rendimiento de Redis, el uso de memoria, los clientes bloqueados, las claves desalojadas y más" +supported_os: +- "linux" +- "windows" +- "macos" +tile: + changelog: "CHANGELOG.md" + classifier_tags: + - "Category::Almacenamiento en caché" + - "Category::Almacenes de datos" + - "Category::Recopilación de logs" + - "Category::Rastreo" + - "Supported OS::Linux" + - "Supported OS::Windows" + - "Supported OS::macOS" + - "Offering::Integración" + configuration: "README.md#Configuración" + description: "Realiza un seguimiento del rendimiento de Redis, el uso de memoria, los clientes bloqueados, las claves desalojadas y más" + media: [] + overview: "README.md#Información general" + resources: + - resource_type: "blog" + url: "https://www.datadoghq.com/blog/how-to-monitor-redis-performance-metrics" + support: "README.md#Soporte" + title: "Redis" +--- + + + + +## Información general + +Tanto si utilizas Redis como base de datos, caché o cola de mensajes, esta integración realiza un seguimiento de los problemas con tus servidores Redis, servicios en la nube y partes de su infraestructura a las que sirven. Utiliza el check de Redis del Datadog Agent para recopilar métricas relacionados con: + +- Rendimiento +- Uso de la memoria +- Clientes bloqueados +- Conexiones secundarias +- Persistencia en disco +- Claves caducadas y desalojadas +- y mucho más + +## Configuración + +### Instalación + +El check de Redis está incluido en el paquete del [Datadog Agent][1], por lo que no necesitas instalar nada más en tus servidores Redis. + +### Configuración + +{{< tabs >}} +{{% tab "Host" %}} + +#### Host + +Para configurar este check para un Agent que se ejecuta en un host: + +##### Recopilación de métricas + +1. Edita el archivo `redisdb.d/conf.yaml`, que se encuentra en la carpeta `conf.d/` en la [raíz del directorio de configuración del Agent][1]. Puede que sea necesario actualizar los siguientes parámetros. Para conocer todas las opciones de configuración disponibles, consulta el [redisdb.d/conf.yaml de ejemplo][2]. + + ```yaml + init_config: + instances: + ## @param host - string - required + ## Enter the host to connect to. + - host: localhost + ## @param port - integer - required + ## Enter the port of the host to connect to. + port: 6379 + + ## @param username - string - optional + ## The username to use for the connection. Redis 6+ only. + # + # username:
diff --git a/content/es/logs/explorer/advanced_search.md b/content/es/logs/explorer/advanced_search.md new file mode 100644 index 0000000000000..3fa2726aa264f --- /dev/null +++ b/content/es/logs/explorer/advanced_search.md @@ -0,0 +1,84 @@ +--- +disable_toc: false +further_reading: +- link: logs/explorer/analytics + tag: Documentación + text: Realizar análisis de logs +- link: /logs/explorer/export + tag: Documentación + text: Exportar vistas desde el Log Explorer +- link: /logs/explorer/saved_views/ + tag: Documentación + text: Información sobre las vistas guardadas +title: Búsqueda avanzada +--- + +## Información general + +Cuando necesitas limitar aún más los resultados de una búsqueda de log, utiliza [subconsultas](#filter-logs-with-subqueries) para comparar tus resultados con un grupo secundario de logs, o filtra tus logs utilizando datos de tus [Tablas de referencia](#filter-logs-based-on-reference-tables). + +## Filtrar logs con subconsultas + +Utiliza subconsultas cuando desees filtrar los resultados de una consulta basándote en los resultados de una consulta secundaria. Consulta [ejemplos de subconsultas](#subquery-examples) para ver dos escenarios de ejemplo. + +Para añadir un filtro de subconsulta: + +1. Ve a [Log Explorer (Explorador de logs)][1]. +1. Introduce una consulta en la barra de búsqueda para filtrar tus logs. Esta es la consulta principal. +1. Haz clic en **+ Add** (+ Añadir). +1. En la sección **Add Query Filter** (Añadir filtro de consulta), selecciona **Logs**. + +Esto introduce nuevos elementos en el editor de consultas: + +{{< img src="logs/explorer/advanced_search/subquery.png" alt="El editor de subconsulta en la consulta de búsqueda principal" style="width:95%;" >}} + +1. En el campo **where** (dónde), utiliza el menú desplegable para seleccionar el atributo con el que deseas establecer la correlación. Los atributos disponibles son los de logs devueltos por la consulta principal. +1. Define tu filtro de subconsulta en el campo **from** (de). +1. En el menú desplegable **Select Column** (Seleccionar columna) que precede al filtro de la subconsulta, selecciona el atributo por el que deseas agrupar y ordenar los resultados de la subconsulta. +1. Selecciona si deseas utilizar el operador **IN** o **NOT IN**: + - Los resultados del operador **IN** solo incluyen logs cuando el valor del atributo también se encuentra en los resultados de la subconsulta. Por ejemplo, si solo deseas ver logs generados por `service:a` y está asociado a un usuario que también es uno de los principales usuarios de `service:b`. + - Los resultados del operador **NOT IN** excluyen logs donde se encuentra el valor del atributo en los resultados de la subconsulta. Por ejemplo, si solo deseas ver logs `status:error`, pero también deseas filtrar logs `status:error` donde los usuarios asociados a esos logs acaben finalmente con un log `status:success`. Consulta [Filtrar logs desactualizados o sustituidos](#filter-outdated-or-superseded-logs) para ver un ejemplo detallado. +1. Opcionalmente, reduce el número de valores de atributos de subconsulta con los que comparar. El valor por defecto y máximo es `1000`. Elige entre **top** (principal) (valores de mayor frecuencia) o **bottom** (inferior) (valores de menor frecuencia). + +### Ejemplos de subconsultas + +Los siguientes son escenarios en los que necesitas utilizar subconsultas para obtener la información que necesitas de tus logs. + +#### Filtrar logs obsoletos o sustituidos + +Supongamos que gestionas una plataforma de comercio electrónico. Se genera un log cada vez que uno de tus clientes intenta realizar un pedido. Deseas analizar tus logs para conocer el valor total de las compras potenciales perdidas debido a un problema continuo con tu sitio web. + +Sin embargo, te das cuenta de que un pedido puede fallar varias veces antes de completarse con éxito: lo que significa que para ese ID de pedido en particular, hay entradas de log en los resultados de búsqueda, tanto para logs `status:error` como para logs `status:success`. Si extrajeras listas de ID de pedido únicas de las dos consultas, este ID de pedido aparecería en ambas. Con las subconsultas, puedes obtener una lista mutuamente excluyente. + +En este ejemplo, solo estás interesado en logs para los pedidos que finalmente no tuvieron éxito. Para excluir los pedidos que finalmente tuvieron éxito utilizando la función de subconsulta: + +1. Define una subconsulta para logs `status:success`. +1. Selecciona el operador **NOT IN** para excluir los pedidos del conjunto de resultados de la subconsulta. + +{{< img src="logs/explorer/advanced_search/filter_outdated_example.png" alt="El editor de consulta que muestra la configuración para filtrar pedidos que terminan teniendo éxito" style="width:100%;" >}} + +#### Correlación entre diferentes fuentes de log + +Supón que tienes un servicio llamado `network_directory` que supervisa todos los recursos internos de red y el acceso a esos recursos dentro de tu organización. Los eventos de log generados por este servicio incluyen atributos estándar (como `host`, `service`, `source`) y atributos personalizados como la dirección IP del cliente. + +Además, tienes otro servicio `device-manager` que rastrea todos los activos internos (infraestructura, dispositivos de los empleados, etc.). + +Estás investigando un ataque en curso y observas que hay un aumento significativo de solicitudes de API en casi todos tus endpoints. En primer lugar, deseas identificar las direcciones IP asociadas a volúmenes de solicitudes anómalos para poder bloquearlas en el cortafuegos. Sin embargo, tus servicios internos son algunos de los mayores consumidores de estos endpoints y necesitas excluirlos de tus resultados de consulta para evitar bloquearlos por error. + +En este ejemplo, utiliza `service:network_directory` como consulta principal y, a continuación, define un filtro de subconsulta para tu servicio `device-manager` para filtrar los resultados de los dispositivos reconocidos. + +{{< img src="logs/explorer/advanced_search/narrow_dataset_example.png" alt="El editor de consulta que muestra la configuración para filtrar los resultados para los dispositivos reconocidos" style="width:100%;" >}} + +## Filtrar logs a partir de tablas de referencia + +{{% filter_by_reference_tables %}} + +{{< img src="logs/explorer/advanced_search/reference_table_join_filter.png" alt="El Datadog Log Explorer con las opciones de búsqueda de la tabla de referencia resaltadas. Incluye pasos numerados alineados con las instrucciones previas" border="true" popup="true" style="width:100%;" >}} + +## Referencias adicionales + +{{< partial name="whats-next/whats-next.html" >}} + + +[1]: https://app.datadoghq.com/logs +[2]: /es/integrations/guide/reference-tables/?tab=manualupload \ No newline at end of file diff --git a/content/es/logs/log_configuration/archives.md b/content/es/logs/log_configuration/archives.md index a1338be1ae980..d66c8e5ad8a09 100644 --- a/content/es/logs/log_configuration/archives.md +++ b/content/es/logs/log_configuration/archives.md @@ -24,7 +24,7 @@ title: Archivos de log Configura tu cuenta de Datadog para reenviar todos los logs ingestados (ya sea que esté [indexado][1] o no) a un sistema de almacenamiento en la nube de tu propiedad. Conserva tus logs en un archivo optimizado para el almacenamiento durante más tiempo y cumple los requisitos de conformidad, al tiempo que mantienes la auditabilidad para investigaciones ad hoc, con [Recuperación][2]. -{{< img src="logs/archives/log_forwarding_archives_tab.png" alt="Pestaña Archivo en la página Reenvío de log" style="width:100%;">}} +{{< img src="/logs/archives/log_forwarding_archives_122024.png" alt="Pestaña de Archivos en la página Reenvío de logs" style="width:100%;">}} Ve a la página [**Log Forwarding**][3] (Reenvío de log) para configurar un archivo para el reenvío de logs ingeridos a tu propio bucket de almacenamiento alojado en la nube. @@ -44,10 +44,6 @@ Consulta cómo [archivar tus logs con Pipelines de observabilidad][4] si deseas {{< tabs >}} {{% tab "AWS S3" %}} -{{< site-region region="gov" >}} -
La configuración de archivos S3 mediante la delegación de roles tiene actualmente una disponibilidad limitada. Ponte en contacto con el servicio de asistencia de Datadog para solicitar esta función en tu cuenta Datadog for Government.
-{{< /site-region >}}
-
Si aún no está configurada, configura [la integración de AWS][1] para la cuenta de AWS que contiene tu bucket de S3.
* En el caso general, se trata de crear un rol que Datadog pueda utilizar para integrarse con AWS S3.
* En el caso específico de las cuentas de AWS China, utiliza claves de acceso como alternativa a la delegación de roles.
@@ -58,7 +54,7 @@ Si aún no está configurada, configura [la integración de AWS][1] para la cuen
Configura [la integración de Azure][1] dentro de la suscripción que contiene tu nueva cuenta de almacenamiento, si aún no lo has hecho. Esto implica [crear un registro de aplicación que Datadog pueda utilizar][2] para integrarla.
-**Nota:** No se admite el archivado en Azure ChinaCloud, GermanyCloud y GovCloud.
+**Nota:** El archivado en Azure ChinaCloud y Azure GermanyCloud no es compatible. El archivado en Azure GovCloud es compatible con la versión preliminar. Para solicitar acceso, ponte en contacto con el servicio de asistencia de Datadog.
[1]: https://app.datadoghq.com/account/settings#integrations/azure
[2]: /es/integrations/azure/?tab=azurecliv20#integrating-through-the-azure-portal
@@ -84,6 +80,10 @@ Configura la [integración de Google Cloud][1] para el proyecto que contiene tu
Entra en tu [consola de AWS][1] y [crea un bucket de S3][2] al que enviar tus archivos.
+{{< site-region region="gov" >}}
+ Datadog Archives no admiten nombres de bucket con puntos (.) cuando se integran con un endpoint FIPS de S3 que se basa en el direccionamiento de estilo virtual-host. Obtén más información en la documentación de AWS. AWS FIPS y AWS Virtual Hosting.
+{{< /site-region >}}
+
**Notas:**
- No pongas tu bucket a disposición del público.
@@ -126,7 +126,7 @@ Solo los usuarios de Datadog con el [permiso`logs_write_archive`][5] pueden crea
{{< tabs >}}
{{% tab "AWS S3" %}}
-1. [Crear una política][1] con las siguientes sentencias de permiso:
+1. [Crear una política][1] con las siguientes declaraciones de permiso:
```json
{
@@ -160,9 +160,9 @@ Solo los usuarios de Datadog con el [permiso`logs_write_archive`][5] pueden crea
2. Edita los nombres de los buckets.
3. Opcionalmente, especifica las rutas que contienen tus archivos de log.
4. Adjunta la nueva política al rol de integración de Datadog.
- * Ve a **Roles** en la consola de AWS IAM.
- * Localiza el rol utilizado por la integración de Datadog. Por defecto se llama **DatadogIntegrationRole**, pero el nombre puede variar si tu organización le ha cambiado el nombre. Haz clic en el nombre del rol para abrir la página de resumen del rol.
- * Haz clic en **Add permissions** (Añadir permisos), y luego en **Attach policies** (Adjuntar políticas).
+ * Ve a **Roles** en la consola IAM en AWS.
+ * Localiza el rol utilizado por la integración Datadog. Por defecto se llama **DatadogIntegrationRole**, pero el nombre puede variar si tu organización le ha cambiado el nombre. Haz clic en el nombre del rol para abrir la página de resumen del rol.
+ * Haz clic en **Add permissions** (Añadir permisos) y, luego, en **Attach policies** (Adjuntar políticas).
* Introduce el nombre de la política creada anteriormente.
* Haz clic en **Attach policies** (Adjuntar políticas).
@@ -202,54 +202,15 @@ Ve a la página de [Reenvío de log][6] y selecciona **Add a new archive** (Aña
* Si tu bucket restringe el acceso de red a las IP especificadas, añade las IP de los webhooks de {{< region-param key="ip_ranges_url" link="true" text="IP ranges list">}} a la lista de permitidos.
* Para el sitio **US1-FED**, puedes configurar Datadog para enviar logs a un destino fuera del entorno Datadog GovCloud. Datadog no se hace responsable de ningún log que abandone el entorno Datadog GovCloud. Además, Datatdog no se hace responsable de ninguna obligación o requisito que puedas tener en relación con FedRAMP, DoD Impact Levels, ITAR, conformidad de las exportaciones, residencia de datos o normativas similares aplicables a estos Logs una vez que abandonen el entorno Datadog GovCloud.
-{{< tabs >}}
-{{% tab "AWS S3" %}}
-
-Selecciona la combinación de cuenta y rol de AWS adecuada para tu bucket de S3.
-
-Introduce el nombre de tu bucket. **Opcional**: introduce un directorio de prefijo para todo el contenido de tus archivos de log.
-
-{{< img src="logs/archives/logs_archive_aws_setup.png" alt="Configura tu información de bucket de S3 en Datadog" style="width:75%;">}}
-
-{{% /tab %}}
-{{% tab "Azure Storage" %}}
-
-Selecciona el tipo de archivo **Azure Storage**, y el inquilino y cliente de Azure para la aplicación de Datadog que tiene el rol Storage Blob Data Contributor en tu cuenta de almacenamiento.
-
-Introduce el nombre de tu cuenta de almacenamiento y el nombre de contenedor para tu archivo. **Opcional**: introduce un directorio de prefijo para todo el contenido de tus archivos de log.
-
-{{< img src="logs/archives/logs_archive_azure_setup.png" alt="Configura tu información de cuenta de almacenamiento de Azure en Datadog" style="width:75%;">}}
-
-
-{{% /tab %}}
-{{% tab "Google Cloud Storage" %}}
-
-Selecciona el tipo de archivo **GCS** y la cuenta de servicio de GCS que tenga permisos para escribir en tu bucket de almacenamiento.
-
-Introduce el nombre de tu bucket. **Opcional**: introduce un directorio de prefijo para todo el contenido de tus archivos de log.
-
-{{< img src="logs/archives/logs_archive_gcp_setup.png" alt="Configura tu información de cuenta de almacenamiento de Azure en Datadog" style="width:75%;">}}
-
-{{% /tab%}}
-{{< /tabs>}}
+| Servicio | Pasos |
+|--------------------------|------------------------------------------------------------------------------------------------------------------------------------------------------------|
+| **Amazon S3** | - Selecciona la combinación de la cuenta y rol de AWS adecuada para tu bucket de S3.- Introduce el nombre de tu bucket.
**Opcional**: introduce un directorio prefijo para todo el contenido de tus archivos de log. | +| **Almacenamiento de Azure** | - Selecciona el tipo de archivo **Azure Storage** (Almacenamiento de Azure), y el inquilino y cliente de Azure para la aplicación de Datadog que tiene el rol Storage Blob Data Contributor en tu cuenta de almacenamiento.
- Introduce el nombre de tu cuenta de almacenamiento y el nombre de contenedor para tu archivo.
**Opcional**: introduce un directorio prefijo para todo el contenido de tus archivos de log. | +| **Google Cloud Storage** | - Seleccione el tipo de archivo **Google Cloud Storage** (Almacenamiento de Google Cloud) y la cuenta de servicio de GCS que tiene permisos para escribir en tu bucket de almacenamiento.
- Introduce el nombre de tu bucket.
**Opcional**: introduce un directorio prefijo para todo el contenido de tus archivos de log. | ### Configuración avanzada -#### Permisos de Datadog - -Por defecto: - -* Todos los usuarios Admin de Datadog pueden crear, editar y reordenar. Consulta [Configurar archivos múltiples](#multiple-archives) para obtener más información. -* Todos los usuarios de Datadog Admin y Standard pueden recuperar desde archivos. -* Todos los usuarios, incluidos los Read Only (solo lectura) de Datadog, pueden acceder a logs recuperados. - -Utiliza este paso de configuración opcional para asignar roles en ese archivo y restringir quién puede: - -* Editar ese archivo de configuración. Consulta el permiso [`logs_write_archive`][9]. -* Recuperar desde ese archivo. Consulta los permisos [`logs_read_archives`][10] y [`logs_write_historical_view`][11]. -* Acceder a logs recuperados en caso de que utilices el permiso legacy [`read_index_data`][12]. - -{{< img src="logs/archives/archive_restriction.png" alt="Restrinfir el acceso a archivos y logs recuperados" style="width:75%;">}} +{{< img src="/logs/archives/log_archives_advanced_settings.png" alt="Configuración avanzada para añadir etiquetas opcionales y definir el tamaño máximo de análisis" style="width:100%;" >}} #### Etiquetas de Datadog @@ -258,16 +219,12 @@ Utiliza este paso de configuración opcional para: * Incluir todas las etiquetas de log en tus archivos (activado por defecto en todos los archivos nuevos). **Nota**: Esto aumenta el tamaño de los archivos resultantes. * Añadir etiquetas en los logs recuperados de acuerdo con tu política de Consultas de restricción. Consulta el permiso [`logs_read_data`][13]. -{{< img src="logs/archives/tags_in_out.png" alt="Configurar etiquetas de archivo" style="width:75%;">}} - #### Definir el tamaño máximo de escaneado Utiliza este paso de configuración opcional para definir el volumen máximo de datos de log (en GB) que se pueden escanear para la recuperación en tus archivos de log. Para los archivos con un tamaño máximo de escaneado definido, todos los usuarios deben estimar el tamaño del escaneado antes de que se les permita iniciar una recuperación. Si el tamaño de escaneado estimado es superior al permitido para ese archivo, los usuarios deben reducir el intervalo en el que solicitan la recuperación. La reducción del intervalo reducirá el tamaño del escaneado y permitirá al usuario iniciar una recuperación. -{{< img src="logs/archives/max_scan_size.png" alt="Definir el tamaño máximo de escaneado en el archivo" style="width:75%;">}} - {{< site-region region="us3" >}} #### Reglas del cortafuegos @@ -276,8 +233,8 @@ Para los archivos con un tamaño máximo de escaneado definido, todos los usuari No se admiten reglas de cortafuegos. -{{% /tab%}} -{{< /tabs>}} +{{% /tab %}} +{{< /tabs >}} {{< /site-region >}} #### Clase de almacenamiento @@ -285,7 +242,7 @@ No se admiten reglas de cortafuegos. {{< tabs >}} {{% tab "AWS S3" %}} -Puedes [establecer una configuración del ciclo de vida en tu bucket de S3][1] para realizar una transición automática de tus archivos de log a clases de almacenamiento óptimas. +Puedes seleccionar una clase de almacenamiento para tu archivo o [establecer una configuración de ciclo de vida en tu bucket de S3][1] para realizar una transición automática de tus archivos de log a clases de almacenamiento óptimas. La [recuperación][2] solo admite las siguientes clases de almacenamiento: @@ -311,29 +268,56 @@ El archivado y la [recuperación][1] solo admiten los siguientes niveles de acce Si deseas recuperar a partir de archivos de otro nivel de acceso, primero debes moverlos a uno de los niveles admitidos mencionados anteriormente. [1]: /es/logs/archives/rehydrating/ -Accede a dashboards preconfigurados +{{% /tab %}} +{{% tab "Google Cloud Storage" %}} + +Archivo y [rehidratación][1] admite los siguientes niveles de acceso: +- Standard (Estándar) +- Nearline +- Coldline +- Archivo + +[1]: /es/logs/archives/rehydrating/ {{% /tab %}} + {{< /tabs >}} -#### Cifrado del lado del servidor (SSE) +#### Cifrado del lado del servidor (SSE) para archivos de S3 -{{< tabs >}} -{{% tab "AWS S3" %}} +Al crear o actualizar un archivo de S3 en Datadog, puedes optar por configurar **Advanced Encryption** (Cifrado avanzado). Hay tres opciones disponibles en el menú desplegable **Encryption Type** (Tipo de cifrado): -##### SSE-S3 +- **Cifrado predeterminado a nivel de bucket de S3** (predeterminado): Datadog no anula la configuración de cifrado predeterminado de tu bucket de S3. +- **Claves gestionadas de Amazon S3**: fuerza el cifrado del lado del servidor utilizando claves administradas de Amazon S3 ([SSE-S3][1]), independientemente del cifrado predeterminado del bucket de S3. +- **AWS Key Management Service**: fuerza el cifrado del lado del servidor utilizando una clave gestionada por el cliente (CMK) de [AWS KMS][2], independientemente del cifrado predeterminado del bucket de S3. Deberás proporcionar el ARN de la CMK. -El cifrado predeterminado para los buckets de Amazon S3 es el cifrado del lado del servidor con claves de administración de Amazon S3 ([SSE-S3][1]). +[1]: https://docs.aws.amazon.com/AmazonS3/latest/userguide/UsingServerSideEncryption.html +[2]: https://docs.aws.amazon.com/AmazonS3/latest/dev/UsingKMSEncryption.html +{{< tabs >}} +{{% tab "Default S3 Bucket-Level Encryption" %}} -Para confirmar que tu bucket de S3 está cifrado con SSE-S3: +Cuando se selecciona esta opción, Datadog no especifica ningún encabezado de cifrado en la solicitud de carga. Se aplicará el cifrado predeterminado de tu bucket de S3. + +Para configurar o comprobar la configuración del cifrado de tu bucket S3: 1. Navega hasta tu bucket de S3. -1. Haz clic en la pestaña **Properties** (Propiedades). -1. En la sección **Default Encryption** (Cifrado por defecto), comprueba que el **Encryption key type** (Tipo de clave de cifrado) es **Amazon S3 managed keys (SSE-S3)** (Claves administradas de Amazon S3 (SSE-S3)). +2. Haz clic en la pestaña **Propiedades**. +3. En la sección **Default Encryption** (Cifrado por defecto), configura o confirma el tipo de cifrado. Si tu cifrado utiliza [AWS KMS][1], asegúrate de que tienes una CMK válida y una política de CMK adjunta a tu CMK. + +[1]: https://docs.aws.amazon.com/AmazonS3/latest/dev/UsingKMSEncryption.html + +{{% /tab %}} +{{% tab "Amazon S3 managed keys" %}} + +Esta opción garantiza que todos los objetos de archivo se carguen con [SSE_S3][1], utilizando claves gestionadas de Amazon S3. Esto anula cualquier configuración de cifrado predeterminada en el bucket de S3. -##### SSE-KMS +[1]: https://docs.aws.amazon.com/AmazonS3/latest/userguide/UsingServerSideEncryption.html +{{% /tab %}} +{{% tab "AWS Key Management Service" %}} + +Esta opción garantiza que todos los objetos de archivo se carguen utilizando una clave gestionada por el cliente (CMK) de [AWS KMS][1]. Esto anula cualquier configuración de cifrado predeterminada en el bucket de S3. -Como alternativa, Datadog admite el cifrado del lado del servidor con una CMK de [AWS KMS][2]. Para habilitarla, sigue estos pasos: +Asegúrate de haber completado los siguientes pasos para crear una CMK válida y una política de CMK. Deberás proporcionar el ARN de CMK para configurar correctamente este tipo de cifrado. 1. Crea tu CMK. 2. Adjunta una política de CMK a tu CMK con el siguiente contenido, sustituyendo según corresponda el número de cuenta de AWS y el nombre de rol de Datadog IAM: @@ -389,15 +373,9 @@ Como alternativa, Datadog admite el cifrado del lado del servidor con una CMK de } ``` -3. Ve a la pestaña **Properties** (Propiedades) en tu bucket de S3 y selecciona **Default Encryption** (Cifrado por defecto). Elige la opción "AWS-KMS", selecciona tu ARN de CMK y selecciona guardar. - -Para cualquier cambio en las claves de KMS existentes, ponte en contacto con el [soporte de Datadog][3] para obtener más ayuda. - -[1]: https://docs.aws.amazon.com/AmazonS3/latest/userguide/default-bucket-encryption.html -[2]: https://docs.aws.amazon.com/AmazonS3/latest/dev/UsingKMSEncryption.html -[3]: /es/help/ -{{< partial name="whats-next/whats-next.html" >}} +3. Después de seleccionar **AWS Key Management Service** como tu **Encryption Type** (Tipo de cifrado) en Datadog, introduce tu ARN de la clave de AWS KMS. +[1]: https://docs.aws.amazon.com/AmazonS3/latest/dev/UsingKMSEncryption.html {{% /tab %}} {{< /tabs >}} @@ -405,7 +383,7 @@ Para cualquier cambio en las claves de KMS existentes, ponte en contacto con el Una vez que los ajustes del archivo se hayan configurado correctamente en tu cuenta de Datadog, tus pipelines de procesamiento comenzarán a enriquecer todos los logs que se ingieran en Datadog. Estos logs se reenvían posteriormente a tu archivo. -Sin embargo, después de crear o actualizar las configuraciones de los archivos, pueden pasar varios minutos antes de que se intente la siguiente carga de archivos. La frecuencia con la que se cargan los archivos puede variar. **Consulta tu bucket de almacenamiento de nuevo en 15 minutos** para asegurarte de que los archivos se están cargando correctamente desde tu cuenta de Datadog. +Sin embargo, después de crear o actualizar las configuraciones de los archivos, pueden pasar varios minutos antes de que se intente la siguiente carga de archivos. La frecuencia con la que se cargan los archivos puede variar. **Consulta tu bucket de almacenamiento de nuevo en 15 minutos** para asegurarte de que los archivos se están cargando correctamente desde tu cuenta de Datadog. Después, si el archivo sigue en estado pendiente, comprueba tus filtros de inclusión para asegurarte de que la consulta es válida y coincide con eventos de log en [Live Tail][14]. Cuando Datadog no consigue cargar logs en un archivo externo, debido a cambios involuntarios en la configuración o los permisos, el archivo de log correspondiente aparece resaltado en la página de configuración. @@ -448,9 +426,9 @@ Dentro del archivo JSON comprimido, el contenido de cada evento tiene el siguien } ``` -## Configurar tests de API y tests de API multupaso +## Referencias adicionales -Grabar pruebas de aplicaciones móviles +{{< partial name="whats-next/whats-next.html" >}}
*Logging without Limits es una marca registrada de Datadog, Inc. @@ -469,4 +447,4 @@ Grabar pruebas de aplicaciones móviles [12]: /es/account_management/rbac/permissions#logs_read_index_data [13]: /es/account_management/rbac/permissions#logs_read_data [14]: /es/logs/explorer/live_tail/ -[15]: /es/service_management/events/explorer/ +[15]: /es/service_management/events/explorer/ \ No newline at end of file diff --git a/content/es/logs/log_configuration/processors.md b/content/es/logs/log_configuration/processors.md index f0cb4ca5683f3..a4adbc9d90c3a 100644 --- a/content/es/logs/log_configuration/processors.md +++ b/content/es/logs/log_configuration/processors.md @@ -686,7 +686,7 @@ El procesador de búsqueda realiza las siguientes acciones: * Opcionalmente, si no encuentra el valor en la tabla de asignación, crea un atributo de destino con el valor de la tabla de referencia. Puedes seleccionar un valor para una [tabla de referencias][101] en la pestaña **Reference Table** (Tabla de referencia). - {{< img src="logs/log_configuration/processor/lookup_processor_reference_table.png" alt="Procesador de búsqueda" + {{< img src="logs/log_configuration/processor/lookup_processor_reference_table.png" alt="Procesador de búsqueda" >}} style="width:80%;">}} diff --git a/content/es/metrics/summary.md b/content/es/metrics/summary.md index 91de4856f2940..bdb19d672ea99 100644 --- a/content/es/metrics/summary.md +++ b/content/es/metrics/summary.md @@ -19,41 +19,49 @@ La [página Resumen de métricas][1] muestra una lista de tus métricas informad Busca tus métricas por nombre de métrica o etiqueta (tag) utilizando los campos **Metric** (Métrica) o **Tag** (Etiqueta): -{{< img src="metrics/summary/tag_advancedfiltering3.mp4" alt="La página de resumen de métricas con NOT team:* ingresado en la barra de búsqueda de Etiqueta" video=true style="width:75%;">}} +{{< img src="metrics/summary/tag_advanced_filtering.png" alt="Página de resumen de métricas SIN equipo:* ingresado en la barra de búsqueda por etiquetas" style="width:75%;">}} -El filtrado de etiquetas admite la sintaxis booleana y comodín para que puedas identificar rápidamente: +También puede descubrir métricas relevantes utilizando el soporte mejorado de concordancia difusa en el campo de búsqueda de métricas: + +{{< img src="metrics/summary/metric_advanced_filtering_fuzzy.png" alt="The metrics summary Page ( página) with fuzzy search searching shopist checkout" style="width:75%;">}} + +El filtrado por etiquetas admite la sintaxis booleana y de comodín para que puedas identificar: * Métricas que están etiquetadas con una clave de etiqueta concreta, por ejemplo, `team`: `team:*` * Métricas a las que les falta una determinada clave de etiqueta, por ejemplo, `team`: `NOT team:*` - ## Panel de facetas Las barras de búsqueda proporcionan el conjunto más completo de acciones para filtrar la lista de métricas. No obstante, las facetas también pueden filtrar tus métricas por: -- **Configuración**: Métricas con configuraciones de etiqueta -- **Percentiles**: Métricas de distribución habilitada por percentiles/capacidades de consulta avanzada +- **Configuración**: métricas con configuraciones de etiqueta +- **Porcentajes**: métricas de distribución habilitadas por percentiles/capacidades de consulta avanzadas - **Métricas históricas**: Métricas que tienen activada la ingesta de métricas históricas -- **Actividad de consulta** (fase beta): Métricas no consultadas en la aplicación o por la API en los últimos 30 días -- **Tipo de métrica**: Diferencia entre métricas de distribución y no distribución (counts, gauges, rates) -- **Origen de métrica**: Producto a partir del cual se originó la métrica (por ejemplo, métricas generadas a partir de logs o tramos (spans) de APM). Para obtener más información sobre los distintos tipos de origen de métrica, consulta [Definiciones de origen de métrica][12]. +- **Actividad de consulta**: Métricas no consultada en Datadog o por la API en los últimos 30, 60 o 90 días +- **Recursos relacionados**: Métricas que se están utilizando en dashboards, notebooks, monitores y SLOs +- **Tipo de métrica**: diferencia entre métricas de distribución y no distribución (counts, gauges, rates) +- **Origen de métricas**: Producto del que procede la métrica (por ejemplo, métricas generadas a partir de logs o tramos (spans) APM). Para obtener más información sobre los distintos tipos de origen de métricas, consulta [definiciones de orígenes de métricas][12]. + +### Definiciones -**Nota**: Una métrica incluida en un dashboard que no haya sido cargada por un usuario en los últimos 30 días no se consideraría consultada activamente. +Una métrica está **sin consultar** si no se accedió a ella en monitores, SLOs, notebooks ejecutados, dashboards abiertos, llamadas a la API o si no se la utilizó en consultas del Explorador de métricas en los últimos 30, 60 o 90 días. -{{< img src="metrics/summary/facets4.png" alt="Panel de facetas de métricas" style="width:75%;">}} +Una métrica se considera **utilizada** si existe en un recurso, independientemente de si se consultó activamente. + +{{< img src="metrics/summary/facet_panel_2025-02-26.png" alt="Panel de facetas de métricas" style="width:75%;">}} ## Configuración de múltiples métricas -Al hacer clic en **Configure Metrics** (Configurar métricas) se te ofrecen múltiples opciones que puedes utilizar para configurar más de una métrica a la vez: +Si haces clic en **Configure Metrics** (Configurar métricas), verás varias opciones para configurar más de una métrica a la vez: {{< img src="metrics/summary/configurationbuttons10-11-2024.png" alt="Botones de configuración en bloque" style="width:100%;">}} * **Gestionar etiquetas**: configura etiquetas en múltiples métricas personalizadas coincidentes con un espacio de nombres utilizando Metrics without LimitsTM. -{{< img src="metrics/summary/bulkconfig_new-compressed.mp4" alt="Configuración de etiqueta de métricas en bloque" video="true" style="width:100%;" >}} +{{< img src="metrics/summary/tags-bulk-config.mp4" alt="Configuración en bloque de etiquetas de métricas" video="true" style="width:100%;" >}} * **Activar o desactivar percentiles**: gestiona agregaciones de percentiles a través de múltiples métricas de distribución. Consulta la [página de Distribuciones][31] para obtener más información. -{{< img src="metrics/summary/percentile_aggregations_toggle.png" alt="Cambiar el conmutador para gestionar agregaciones de percentiles" style="width:100%;">}} +{{< img src="metrics/summary/percentile_aggregations_toggle_2025-04-16.png" alt="Cambia el conmutador para gestionar agregaciones de percentiles" style="width:100%;">}} * **Activar o desactivar las métricas históricas**: gestiona la ingesta de datos históricos de métrica. Consulta la [página de Métricas históricas][30] para más información. @@ -139,28 +147,31 @@ Para cualquier clave concreta de etiqueta, puedes: [Más información sobre el etiquetado][5]. -## Activos relacionados con métricas +### Activos relacionados con métricas {{< img src="metrics/summary/related_assets_dashboards.png" alt="Activos relacionados para un nombre de métricas especificado" style="width:80%;">}} Para determinar el valor de cualquier nombre de métrica para tu organización, utiliza Activos relacionados de métricas. Los activos relacionados de métricas se refieren a cualquier dashboard, notebook, monitor, o SLO que consulta una métrica en particular. -1. Desplázate hasta la parte inferior del panel lateral de detalles de la métrica hasta la sección "Related Assets" (Activos relacionados). -2. Haz clic en el botón desplegable para ver el tipo de activo relacionado que te interesa (dashboards, monitores, notebooks, SLOs). Además, puedes utilizar la barra de búsqueda para validar activos específicos. +1. Desplázate hasta la parte inferior del panel lateral de detalles de la métrica, hasta la sección **Recursos relacionados**. +2. Haz clic en el botón desplegable para ver el tipo de recurso relacionado que te interesa en (dashboards, monitores, notebooks, SLOs). Además, puedes utilizar la barra de búsqueda para validar activos específicos. + +## Explorador de la cardinalidad de etiquetas de métricas personalizadas +{{< img src="metrics/tagsexplorer.png" alt="Explorador de la cardinalidad de etiquetas de métricas personalizadas para el nombre de una métrica que presenta picos" style="width:80%;">}} +Para determinar por qué un nombre de métrica concreto está emitiendo un gran número de métricas personalizadas, o tiene picos, utiliza el explorador de la cardinalidad de etiquetas de métricas personalizadas. Esta opción te ayuda a identificar las claves de etiqueta que provocan el pico, que puedes excluir inmediatamente utilizando Metrics without LimitsTM para ahorrar costes. ## Metrics without LimitsTM Metrics without LimitsTM te proporciona control sobre el tamaño de tus métricas personalizadas sin necesidad de realizar cambios en el Agent o a nivel de código. **Nota:** Metrics without LimitsTM solo está disponible para métricas personalizadas. -Puedes configurar etiquetas mediante el botón de configuración de etiquetas de métrica en bloque o el botón **Manage Tags** (Gestionar etiquetas) del panel lateral de detalles de métrica. +Puedes [configurar etiquetas en bloque](#configuration-of-multiple-metrics) accediendo a **Configurar métricas -> Gestionar etiquetas** en la [página de Métricas][34] o haciendo clic en el botón **Manage Tags** (Gestionar etiquetas) del panel lateral de detalles de una métrica. {{< img src="metrics/distributions/managetags.png" alt="Configuración de etiquetas en una distribución" style="width:80%;">}} 1. Haz clic en el nombre de tu métrica de distribución personalizada en la tabla **Metrics Summary** (Resumen de métricas) para abrir el panel lateral de detalles de métricas. 2. Haz clic en el botón **Gestionar etiquetas** para abrir el modal de configuración de etiquetas. - 3. Seleccione **Include tags...** o **Exclude tags...** (Incluir etiquetas... o Excluir etiquetas...) para personalizar las etiquetas que deseas o no consultar. Para más información sobre la configuración de etiquetas, consulta la documentación de [Metrics without Limits][10]. 4. Previsualiza los efectos de tu configuración de etiqueta propuesta con el estimador de cardinalidad antes de seleccionar **Save** (Guardar). @@ -170,46 +181,33 @@ Puedes configurar etiquetas mediante el botón de configuración de etiquetas de Una vez que se ha configurado tu métrica con Metrics without LimitsTM, puedes ver qué etiquetas siguen siendo consultables (las que contribuyen al volumen _Indexed Custom Metrics_). Y puedes volver a todas las etiquetas enviadas e ingeridas originalmente que contribuyen a tu volumen _Ingested Custom Metrics_. -### Optimizar tu métrica con agregaciones en Modo Avanzado - -Para métricas personalizadas de tipo count, gauge o rate, puedes refinar aún más las configuraciones de tus métricas incluyendo opcionalmente agregaciones adicionales con el modo avanzado de Metrics without LimitsTM. Por defecto, Datadog almacena la combinación de agregación más consultada en función del tipo de métrica para preservar la precisión matemática de la consulta de tu métrica configurada, como se indica a continuación: - -- Los conteos/tasas de métricas se pueden consultar con agregaciones de tiempo/espacio de tipo `SUM` -- Las gauge configuradas se pueden consultar en agregaciones de tiempo/espacio de `AVG` - -{{< img src="metrics/summary/customize_aggr_docs.jpg" alt="Ajusta las agregaciones en counts, tasas y gauges" style="width:80%;">}} - -Hay más agregaciones disponibles que pueden serte útiles. Puedes añadir o eliminar agregaciones en cualquier momento sin necesidad de realizar cambios en el Agent o en el código. - -**Nota**: La configuración de tu métrica count, rate o gauge y la eliminación de una agregación pueden afectar a los dashboards y monitores existentes. - ### Definiciones del origen de una métrica Esta tabla muestra la correspondencia entre el origen de una métrica tal y como se ve en la faceta y el lugar desde el que se envió: | Origen de una métrica | Enviada desde | | ------------------------| ----------------------------------------------------------------------------- | -| Catálogo de APIs | Series temporales enviadas por el producto [API Catalog][13] de Datadog desde el endpoint APIM. +| Catálogo de APIs | Series temporales enviadas por el producto [Catálogo de software][13] de Datadog desde el endpoint de APIM. | APM | Series temporales enviadas por el producto APM de Datadog para métricas generadas a partir de métricas de trazas (traces) y tramos. | Agent | Series temporales enviadas por el Datadog Agent, recopiladas de [integraciones del Agent][10], [integraciones incorporadas][9], [DogStatsD][32], o [checks personalizados del Agent][33]. -| CSM | Series temporales enviadas por el producto [Cloud Security Monitoring][14] de Datadog. +| Cloud Security | Series temporales enviadas por el producto [Cloud Security][14] de Datadog. | Integraciones en la nube | Series temporales recopiladas de proveedores de nube como AWS, Azure y Google Cloud, etc. de sus respectivas integraciones. | DBM | Series temporales enviadas por el producto [Database Monitoring][15] de Datadog, que incluyen información sobre las actividades/consultas/bloqueos de MySQL, Oracle y Postgres. | DSM | Series temporales enviadas por el producto [Data Streams Monitoring][16] de Datadog, para métricas generadas a partir de tramos y trazas de DSM. | Datadog Exporter | Series temporales enviadas por el [OpenTelemetry Collector][17] o el [Datadog Exporter][18]. | Plataforma Datadog | Series temporales enviadas por métricas de admisión que se utilizan para [informar sobre el uso de métricas][11]. | Eventos | Series temporales generadas a partir de la plataforma de eventos de Datadog. -| Observabilidad de LLM | Series temporales emitidas por el producto LLM Observability utilizando el servicio `lmobs_to_metrics`. +| LLM Observability | Series temporales emitidas por el producto LLM Observability utilizando el servicio `lmobs_to_metrics`. | Logs | Series temporales generadas a partir de la plataforma de [logs][28] de Datadog. | API de métricas | Series temporales enviadas mediante el [endpoint de ingesta OTLP][21] y el receptor OTel con una contrapartida o con puntos en la integración Datadog para obtener métricas del uso estimado o el cliente API de Datadog. -| NPM | Series temporales enviadas por el producto [Network Performance Monitoring][19] de Datadog. +| CNM | Series temporales enviadas por el producto [Cloud Network Monitoring][19] de Datadog. | Observability Pipelines | Series temporales enviadas por los [pipelines de observabilidad][20] de Datadog, incluidas las métricas de errores y rendimiento. | Otro | Series temporales que no tienen una contrapartida en la integración DD. | Procesos | Series temporales generadas a partir del producto [Processes][22] de Datadog. | RUM | Series temporales generadas a partir del producto [Real User Monitoring][23] de Datadog. | Integraciones SAAS | Series de tiempo recopiladas de plataformas SAAS populares como Slack, Docker, PagerDuty, etc. | Serverless | Series temporales enviadas por la plataforma [serverless][24] de Datadog, incluyendo Function, App Services, Cloud Run y Container App Metrics. -| Catálogo de servicios | Series temporales enviadas por el producto [Service Catalog][25] de Datadog, incluidas las métricas de [Scorecard][29]. +| Software Catalog | Series temporales enviadas por el producto [Catálogo de software][25] de Datadog, incluyendo las métricas de [scorecards][29]. | Synthetic Monitoring | Métricas de monitorización y tests continuos de Synthetic, generadas a partir del producto [Synthetic Monitoring][26] de Datadog. | USM | Series temporales generadas a partir del producto [Universal Service Monitoring][27] de Datadog. @@ -230,24 +228,25 @@ Esta tabla muestra la correspondencia entre el origen de una métrica tal y como [10]: /es/integrations/agent_metrics/ [11]: /es/account_management/billing/usage_metrics/ [12]: /es/metrics/summary/#metric-origin-definitions -[13]: /es/api_catalog/ +[13]: /es/software_catalog/endpoints/ [14]: /es/security/cloud_security_management/ [15]: /es/database_monitoring/ [16]: /es/data_streams/ -[17]: /es/opentelemetry/collector_exporter/otel_collector_datadog_exporter/?tab=onahost +[17]: /es/opentelemetry/setup/collector_exporter/ [18]: /es/opentelemetry/collector_exporter/ -[19]: /es/network_monitoring/performance/ +[19]: /es/network_monitoring/cloud_network_monitoring/ [20]: /es/observability_pipelines/ -[21]: /es/opentelemetry/interoperability/otlp_ingest_in_the_agent/?tab=host +[21]: /es/opentelemetry/setup/otlp_ingest_in_the_agent/ [22]: /es/integrations/process/ [23]: /es/monitors/types/real_user_monitoring/ [24]: /es/serverless/ -[25]: /es/service_catalog/ +[25]: /es/software_catalog/ [26]: /es/synthetics/ [27]: /es/universal_service_monitoring/ [28]: /es/logs/ -[29]: /es/service_catalog/scorecards/ +[29]: /es/software_catalog/scorecards/ [30]: /es/metrics/custom_metrics/historical_metrics/#bulk-configuration-for-multiple-metrics [31]: /es/metrics/distributions/#bulk-configuration-for-multiple-metrics [32]: /es/metrics/custom_metrics/dogstatsd_metrics_submission/ -[33]: /es/metrics/custom_metrics/agent_metrics_submission/ \ No newline at end of file +[33]: /es/metrics/custom_metrics/agent_metrics_submission/ +[34]: https://app.datadoghq.com/metric/overview \ No newline at end of file diff --git a/content/es/network_monitoring/devices/profiles.md b/content/es/network_monitoring/devices/profiles.md index 8c54b3623a081..7bb1759b5fd61 100644 --- a/content/es/network_monitoring/devices/profiles.md +++ b/content/es/network_monitoring/devices/profiles.md @@ -13,19 +13,29 @@ title: Perfiles NDM ## Información general -La monitorización de dispositivos de red utiliza perfiles para indicar al Datadog Agent las métricas y las etiquetas (tags) asociadas que debe recopilar. Un perfil es una colección de identificadores de objetos asociados a un dispositivo. +Network Device Monitoring utiliza perfiles para indicar al Datadog Agent las métricas y las etiquetas (tags) asociadas que debe recopilar. Un perfil es una colección de {{< tooltip text="OID (Identificadores de objetos)" tooltip="ID o dirección única de un dispositivo, que cuando se sondea devuelve el código de respuesta de ese valor." >}} asociados a un dispositivo. ## Configuración +Puedes activar perfiles de dispositivos en Datadog utilizando el flujo de trabajo recomendado basado en la GUI (Gestor de perfiles SNMP) o a través de una configuración avanzada: + +**[Gestor de perfiles SNMP][9] (recomendado)** +- Interfaz de usuario guiada para personalizar las métricas recopiladas de dispositivos de red, directamente desde la página de configuración de [Network Device Monitoring][8]. +- Elimina la necesidad de buscar identificadores de objetos (OID) en la documentación de los proveedores, recomendando automáticamente una lista de métricas relevantes y legibles por humanos. +- No requiere configuración manual con archivos `.yaml`. +- Aplica los cambios a escala a todos los Agents en un solo clic con la [configuración remota][11]. + +**[Configuración avanzada][10]** +- Crea y activa perfiles personalizados manualmente con archivos `.yaml`, especificando las métricas y las etiquetas (tags) del dispositivo. +- Ideal para entornos grandes o dinámicos. + Por defecto, se cargan todos los perfiles del directorio de configuración del Agent. Para personalizar los perfiles específicos de la colección, haz referencia explícita a ellos por nombre de archivo en `definition_file` o proporciona una lista en línea en `definition`. Se puede hacer referencia a cualquiera de los perfiles de Datadog por su nombre. Se puede hacer referencia a perfiles personalizados adicionales por la ruta del archivo en la configuración o colocarlos en el directorio de configuración. **Nota**: El perfil genérico es [generic-device.yaml][1], que admite enrutadores, conmutadores y otros dispositivos. -
-Si quieres crear un perfil de dispositivo utilizando la experiencia basada en GUI, consulta la documentación Empezando con perfiles de dispositivos.
-
+## Términos y conceptos
-### Dispositivos sysObjectId asignados
+### Dispositivos sysOID asignados
Los perfiles permiten a la monitorización de dispositivos de red reutilizar las definiciones de métricas en varios tipos o instancias de dispositivos. Los perfiles definen qué métricas recopilar y cómo transformarlas en métricas de Datadog. Se espera que cada perfil monitorice una clase de dispositivos similares del mismo proveedor. El Datadog Agent los utiliza automáticamente comparando los sysObjectId del dispositivo de red con aquellos definidos en el archivo del perfil.
@@ -54,7 +64,7 @@ instances:
- ip_address: 192.168.34.11
profile: my-profile2
- ip_address: 192.168.34.13
- # Para este dispositivo, el Agent obtendrá el sysObjectID del dispositivo y utilizará la coincidencia más cercana
+ # For this device, the Agent will fetch the sysObjectID of the device and use the closest match
```
### Definición de métricas por perfil
@@ -65,7 +75,7 @@ Para ver más perfiles proporcionados por Datadog, consulta el [repositorio de G
### Definición de metadatos por perfil
-En la sección de metadatos de los perfiles, puedes definir dónde y cómo se recopilan los metadatos. Los valores pueden ser estáticos o proceder de un valor de identificador de objeto.
+En la sección de metadatos de los perfiles, puedes definir dónde y cómo se recopilan los metadatos. Los valores pueden ser estáticos o proceder de un valor de identificador de objeto (OID).
Para ver los campos admitidos, consulta la sección de [metadatos de dispositivos][4].
En la versión 7.52 y posteriores del Datadog Agent, existe un campo `device_type` para metadatos de dispositivos. Puede configurarse manualmente en el perfil y utilizarse para filtrar tipos específicos de dispositivos. Los valores aceptados son:
@@ -86,7 +96,7 @@ En la versión 7.52 y posteriores del Datadog Agent, existe un campo `device_typ
Para obtener más información sobre los formatos de los perfiles, consulta [Referencia de formatos de perfiles][5].
-## Para leer más
+## Referencias adicionales
{{< partial name="whats-next/whats-next.html" >}}
@@ -97,4 +107,8 @@ Para obtener más información sobre los formatos de los perfiles, consulta [Ref
[4]: https://github.com/DataDog/datadog-agent/blob/main/pkg/networkdevice/metadata/payload.go#L51-L76
[5]: https://datadoghq.dev/integrations-core/tutorials/snmp/profile-format/
[6]: https://app.datadoghq.com/devices/
-[7]: /es/network_monitoring/devices/guide/device_profiles/
\ No newline at end of file
+[7]: /es/network_monitoring/devices/guide/device_profiles/
+[8]: https://app.datadoghq.com/devices/profiles
+[9]: /es/network_monitoring/devices/guide/device_profiles/
+[10]: /es/network_monitoring/devices/guide/build-ndm-profile/
+[11]: /es/agent/remote_config/
\ No newline at end of file
diff --git a/content/es/network_monitoring/netflow/_index.md b/content/es/network_monitoring/netflow/_index.md
index 917f0d14140c4..cfeb6d0ee6a89 100644
--- a/content/es/network_monitoring/netflow/_index.md
+++ b/content/es/network_monitoring/netflow/_index.md
@@ -1,4 +1,6 @@
---
+aliases:
+- /es/network_monitoring/devices/netflow/
further_reading:
- link: /network_monitoring/devices/profiles
tag: Documentación
@@ -9,7 +11,6 @@ further_reading:
- link: https://www.datadoghq.com/blog/diagnose-network-performance-with-snmp-trap-monitoring/
tag: Blog
text: Monitorizar y diagnosticar problemas de rendimiento de red con SNMP Traps
-is_beta: true
title: Monitorización de NetFlow
---
@@ -36,18 +37,22 @@ network_devices:
netflow:
enabled: true
listeners:
- - flow_type: netflow9 # opciones: netflow5, netflow9, ipfix, sflow5
- port: 2055 # los dispositivos se deben configurar con el mismo número de puerto
+ - flow_type: netflow9 # choices: netflow5, netflow9, ipfix, sflow5
+ port: 2055 # devices need to be configured to the same port number
- flow_type: netflow5
port: 2056
- flow_type: ipfix
port: 4739
- flow_type: sflow5
port: 6343
+ ## Set to true to enable reverse DNS enrichment of private source and destination IP addresses in NetFlow records
+ reverse_dns_enrichment_enabled: false
```
Luego de guardar los cambios, [reinicia el Agent][4].
+**Nota**: Asegúrate de que tus [reglas de firewall][9] permiten el tráfico UDP entrante en los puertos configurados.
+
## Agregación
El Datadog Agent añade automáticamente los datos recibidos a NetFlow para limitar el número de registros enviados a la plataforma, al mismo tiempo que conserva la mayor parte de la información. Por defecto, los registros de flujos que tienen los mismos identificadores, como `source`, `destination address`, `port` y `protocol`, se agregan juntos en intervalos de cinco minutos. Además, el Datadog Agent puede detectar puertos efímeros y eliminarlos. Como resultado, es posible que aparezcan flujos con `port:*`.
@@ -78,6 +83,18 @@ En la pestaña **Configuración** en NetFlow, haz clic en **Add Enrichment** (A
{{< img src="network_device_monitoring/netflow/new_enrichment.png" alt="Modal de Asignación de nuevo enriquecimiento en la pestaña de configuración de NetFlow" width="80%" >}}
+### Enriquecimiento de IP privada con DNS inverso
+
+Activa el enriquecimiento de IP privada con DNS inverso para realizar búsquedas de DNS de nombres de host asociados a direcciones IP de origen o destino. Cuando se activa, el Agent realiza búsquedas con DNS inverso en IP de origen y destino dentro de rangos de direcciones privadas, enriqueciendo los registros NetFlow con los nombres de host correspondientes.
+
+Por [defecto][7], el enriquecimiento de IP con DNS inverso en tu archivo `datadog.yaml` está deshabilitado. Para habilitarlo, consulta la sección [Configuración](#configuration) de esta página.
+
+Busca **DNS** en la agrupación de Flujo de la sección de facetas para encontrar los flujos asociados con el enriquecimiento de IP con DNS inverso:
+
+{{< img src="network_device_monitoring/netflow/dns_ip_enrichment.png" alt="Captura de pantalla del destino DNS inverso y de las facetas de origen" width="100%" >}}
+
+**Nota**: Las entradas de DNS inverso se almacenan en caché y están sujetas a limitaciones de frecuencia para minimizar las consultas DNS y reducir la carga de los servidores DNS. Para obtener más información sobre las opciones de configuración, incluyendo la modificación del almacenamiento en caché predeterminado y la limitación de frecuencia, consulta el [archivo de configuración completo][8].
+
## Visualización
Puedes acceder a los datos recopilados por NetFlow Monitoring en la página de [**NetFlow**][5]. Pasa el cursor sobre un flujo de la lista para obtener información adicional sobre hosts, pods y contenedores, y acceder a las conexiones de red relacionadas.
@@ -155,6 +172,7 @@ Además de los campos, también puedes utilizar facetas predefinidas para empeza
| MAC de destino | La dirección MAC (Media Access Control) asociada a la IP de destino. |
| Máscara de destino | La máscara de subred asociada a la IP de destino. |
| Puerto de destino | El número del puerto de destino. |
+| Nombre de host DNS inverso de destino | El nombre de host DNS asociado a la IP de destino. |
| Código ISO de subdivisión del destino | El código ISO que representa la subdivisión (como estado o provincia) asociada a la IP de destino. |
| Nombre de la subdivisión de destino | El nombre de la subdivisión (como estado o provincia) asociada a la IP de destino. |
| Zona horaria de destino | La zona horaria asociada a la IP de destino. |
@@ -183,6 +201,7 @@ Además de los campos, también puedes utilizar facetas predefinidas para empeza
| MAC de origen | La dirección de MAC (Media Access Control) asociada a la IP de origen. |
| Máscara de origen | La máscara de subred asociada a la IP de origen. |
| Puerto de origen | El número del puerto de origen. |
+| Nombre de host DNS inverso de origen | El nombre de host DNS asociado a la IP de origen. |
| Código ISO de la subdivisión de origen | El código ISO que representa la subdivisión (como estado o provincia) asociada a la IP de origen. |
| Nombre de la subdivisión de origen | El nombre de la subdivisión (como estado o provincia) asociada a la IP de origen. |
| Zona horaria de origen | La zona horaria asociada a la IP de origen. |
@@ -202,7 +221,7 @@ Además, puedes consultar y visualizar **Bytes (ajustados) (@adjusted_bytes)** y
Para visualizar los bytes/paquetes sin procesar (muestreados) enviados por tus dispositivos, puedes consultar **Bytes (muestreados) (@bytes)** y **Paquetes (muestreados) (@packets)** en dashboards y notebooks.
-## Retención
+## Conservación
Los datos de NetFlow se conservan durante 30 días por defecto, con opciones de conservación de 15, 30, 60 y 90 días.
@@ -263,4 +282,7 @@ Utiliza el comando `netstat -s` para ver si hay algún paquete UDP perdido:
[3]: /es/agent/configuration/agent-configuration-files/?tab=agentv6v7#agent-main-configuration-file
[4]: /es/agent/configuration/agent-commands/?tab=agentv6v7#start-stop-and-restart-the-agent
[5]: https://app.datadoghq.com/devices/netflow
-[6]: /es/monitors/types/netflow/
\ No newline at end of file
+[6]: /es/monitors/types/netflow/
+[7]: https://github.com/DataDog/datadog-agent/blob/f6ae461a7d22aaf398de5a94d9330694d69560d6/pkg/config/config_template.yaml#L4201
+[8]: https://github.com/DataDog/datadog-agent/blob/f6ae461a7d22aaf398de5a94d9330694d69560d6/pkg/config/config_template.yaml#L4203-L4275
+[9]: /es/network_monitoring/devices/troubleshooting#traps-or-flows-not-being-received-at-all
\ No newline at end of file
diff --git a/content/es/notebooks/advanced_analysis/_index.md b/content/es/notebooks/advanced_analysis/_index.md
index ecf4eccb16f4d..3d69c570ce001 100644
--- a/content/es/notebooks/advanced_analysis/_index.md
+++ b/content/es/notebooks/advanced_analysis/_index.md
@@ -15,10 +15,6 @@ Analysis Features para notebooks no está disponible en el }}
- Advanced Analysis está en vista previa. Para activarlo, contacta con tu asesor de clientes.
-{{< /callout >}}
-
## Información general
La función de análisis de los notebooks permite realizar análisis avanzados de los datos de Datadog. Puedes unir varios conjuntos de datos, encadenar consultas y transformar los datos mediante transformaciones predefinidas o SQL, sin perder ninguna de las funciones que ofrecen los notebooks.
@@ -74,8 +70,8 @@ Puedes añadir o modificar columnas en tu celda de fuente de datos. Hay dos form
Puedes tomar consultas existentes del Log Explorer que incluyan [Campos calculados][4] y abrirlas en notebooks. Para transferir estas consultas desde el Log Explorer, haz clic en **More** (Más) y selecciona **Analyze in Notebooks** (Analizar en notebooks). Los campos calculados se convierten automáticamente en una celda de transformación.
También puedes crear campos calculados directamente en un notebook para definir un campo calculado a partir de fuentes de datos existentes. Estos campos pueden reutilizarse en análisis posteriores:
-1. Abre un espacio de trabajo con una fuente de datos.
-1. Añade una [celda de transformación](#transformation-cell).
+1. Abre un Workspace con una fuente de datos.
+1. Añade una [Celda de transformación](#transformation-cell).
1. Haz clic en **More operations** (Más operaciones).
1. Selecciona **Calculate** (Calcular).
diff --git a/content/es/opentelemetry/integrations/runtime_metrics/_index.md b/content/es/opentelemetry/integrations/runtime_metrics/_index.md
index 911dff290aa12..5dcff45523bfe 100644
--- a/content/es/opentelemetry/integrations/runtime_metrics/_index.md
+++ b/content/es/opentelemetry/integrations/runtime_metrics/_index.md
@@ -1,44 +1,249 @@
---
aliases:
- /es/opentelemetry/runtime_metrics/
+- /es/opentelemetry/integrations/runtime_metrics/go/
+- /es/opentelemetry/integrations/runtime_metrics/dotnet/
+- /es/opentelemetry/integrations/runtime_metrics/java/
+further_reading:
+- link: /tracing/metrics/runtime_metrics/
+ tag: Documentación
+ text: Métricas de tiempo de ejecución de APM
+- link: /opentelemetry/mapping/metrics_mapping/
+ tag: Documentación
+ text: Asignación de métricas de OpenTelemetry
title: Métricas de tiempo de ejecución de OpenTelemetry
-type: multi-code-lang
---
## Información general
-Las métricas de tiempo de ejecución son métricas de aplicación sobre el uso de memoria, la recopilación de elementos no usados o paralelización. Las bibliotecas de rastreo de Datadog proporcionan [la recopilación de métricas de tiempo de ejecución][5] para cada lenguaje compatible pero, además, OpenTelemetry (OTel) recopila métricas de tiempo de ejecución, que pueden ser enviadas a Datadog a través de los SDKs de OpenTelemetry.
+Las métricas de tiempo de ejecución proporcionan información sobre el rendimiento de las aplicaciones, incluido el uso de memoria, la recopilación de elementos no usados y la paralelización. Las bibliotecas de rastreo de Datadog ofrece [recopilación de métricas de tiempo de ejecución][5] para cada lenguaje compatible, y OpenTelemetry (OTel) también recopila métricas de tiempo de ejecución compatibles que pueden enviarse a Datadog a través de los SDKs de OpenTelemetry.
-Datadog recopila métricas de tiempo de ejecución de OpenTelemetry en los siguientes lenguajes:
+## Compatibilidad
+
+Datadog es compatible con las métricas en tiempo de ejecución de OpenTelemetry para los siguientes lenguajes:
- Java
- .NET
- Go
-## Convenciones de nomenclatura de la métrica
+Para más detalles sobre la asignación de métricas de host y contenedor, véase [OpenTelemetry Metrics Mapping][1].
-La métricas de tiempo de ejecución siguen diferentes convenciones de nomenclatura en función de su fuente: OpenTelemetry Collector y Exportador de Datadog, ingesta OTLP del Datadog Agent, o bibliotecas de rastreo de Datadog. Al utilizar las métricas de tiempo de ejecución de OpenTelemetry con Datadog, recibirás tanto las métricas de tiempo de ejecución original de OpenTelemetry como las métricas de tiempo de ejecución de Datadog asignadas para métricas equivalente. Las métricas de tiempo de ejecución tienen los siguientes prefijos que indican su fuente:
+## Instrucciones de instalación
-| OTel Collector y Exportador de Datadog | Ingesta OTLP de Datadog Agent | Biblioteca de rastreo de Datadog |
-| --- | --- | --- |
-| `otel.process.runtime.*` | `process.runtime.*` | `runtime.La versión mínima compatible del SDK de .NET OpenTelemetry es 1.5.0
+
+#### Instrumentación automática
+
+Si utilizas [instrumentación automática de OpenTelemetry][3] para aplicaciones .NET, las métricas de tiempo de ejecución están activadas por defecto.
+
+#### Instrumentación manual
+
+Si utilizas [instrumentación manual de OpenTelemetry][4], consulta la documentación de [biblioteca OpenTelemetry.Instrumentation.Runtime][5].
+
+#### Intervalo de exportación de métricas
-**Nota**: Las métricas de tiempo de ejecución de OpenTelemetry se asignan a Datadog por el nombre de métrica. No cambies el nombre de asignación de las métricas de host para las métricas de tiempo de ejecución de OpenTelemetry o se romperá.
+El intervalo de exportación predeterminado de métricas para el SDK de .NET OTel es diferente del intervalo predeterminado del SDK de Datadog .NET. Datadog recomienda configurar la variable de entorno [OTEL_METRIC_EXPORT_INTERVAL][7] en tu servicio de .NET para que coincida con el intervalo de exportación predeterminado de métricas de Datadog:
-Para más información sobre la asignación de métricas de host y contenedor, consulta [Asignación de métricas de OpenTelemetry][1].
+```
+OTEL_METRIC_EXPORT_INTERVAL=10000
+```
-## Configuración
+[3]: https://opentelemetry.io/docs/instrumentation/net/automatic/
+[4]: https://opentelemetry.io/docs/instrumentation/net/manual/
+[5]: https://github.com/open-telemetry/opentelemetry-dotnet-contrib/tree/main/src/OpenTelemetry.Instrumentation.Runtime
+[7]: https://opentelemetry.io/docs/specs/otel/configuration/sdk-environment-variables/#periodic-exporting-metricreader
-Selecciona tu lenguaje para ver las instrucciones de instalación y configuración del SDK de OpenTelemetry para enviar métricas de tiempo de ejecución:
+{{% /tab %}}
-{{< partial name="opentelemetry/otel-runtime-metrics.html" >}}
-+{{< /tabs >}} ## Ver dashboards de métricas de tiempo de ejecución -Una vez finalizada la configuración, ve tus métricas de tiempo de ejecución en la página de detalles del servicio (consulta el ejemplo de Java más abajo), la pestaña de métricas de la gráfica de llamas y en [dashboards de tiempo de ejecución predeterminados][7]. +Una vez finalizada la configuración, puedes ver las métricas de tiempo de ejecución en: +- La página de detalles del servicio (véase el ejemplo de Java a continuación) +- La pestaña de métricas de la gráfica de llamas +- [Dashboard de tiempo de ejecución][7] por defecto {{< img src="opentelemetry/otel_runtime_metrics_service_page.png" alt="Página de servicios que muestra las métricas de tiempo de ejecución de OpenTelemetry en la pestaña de Métricas de JVM" style="width:100%;" >}} -[1]: /es/opentelemetry/guide/metrics_mapping/ +## Datos recopilados + +Cuando se utilizan las métricas en tiempo de ejecución de OpenTelemetry con Datadog, se reciben ambas: +- Métricas originales en tiempo de ejecución de OpenTelemetry +- Métricas de tiempo de ejecución de Datadog asignadas para métricas equivalentes + +Las métricas en tiempo de ejecución de OpenTelemetry tienen los siguientes prefijos basados en su fuente: + +| Fuente | Prefijo | +| --- | --- | +| [OTel Collector Datadog Exporter][100] | `otel.process.runtime.*` | +| [Datadog Agent OTLP Ingest][101] | `process.runtime.*` | + +Las siguientes tablas enumeran las métricas de tiempo de ejecución de Datadog que son compatibles a través de la asignación de OpenTelemetry. "N/A" indica que no hay métrica equivalente de OpenTelemetry disponible. + +
Las métricas en tiempo de ejecución de OpenTelemetry se asignan a Datadog por el nombre métrica. No cambies el nombre de las métricas de host por métricas de tiempo de ejecución de OpenTelemetry, ya que esto rompe la asignación.
+
+[100]: /es/opentelemetry/setup/collector_exporter/
+[101]: /es/opentelemetry/setup/otlp_ingest_in_the_agent
+
+{{< tabs >}}
+{{% tab "Java" %}}
+
+| Métrica de Datadog | Descripción | Métrica de OpenTelemetry |
+| --- | --- | --- |
+| `jvm.heap_memory` | El total de memoria heap utilizada en Java. | `process.runtime.jvm.memory.usage` `jvm.memory.used` | +| `jvm.heap_memory_committed` | El total de memoria heap comprometida en Java para ser utilizada. | `process.runtime.jvm.memory.committed`
`jvm.memory.committed` | +| `jvm.heap_memory_init` | La memoria heap inicial de Java asignada. | `process.runtime.jvm.memory.init`
`jvm.memory.init` | +| `jvm.heap_memory_max` | La memoria heap máxima disponible en Java. | `process.runtime.jvm.memory.limit`
`jvm.memory.limit` | +| `jvm.non_heap_memory` | El total de memoria no heap de Java utilizada. La memoria no heap es: `Metaspace + CompressedClassSpace + CodeCache`. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.non_heap_memory_committed` | El total de memoria no heap comprometida en Java para ser utilizada. | `process.runtime.jvm.memory.committed`
`jvm.memory.committed` | +| `jvm.non_heap_memory_init` | La memoria no heap inicial de Java asignada. | `process.runtime.jvm.memory.init`
`jvm.memory.init` | +| `jvm.non_heap_memory_max` | La memoria no heap máxima disponible en Java. | `process.runtime.jvm.memory.limit`
`jvm.memory.limit` | +| `jvm.gc.old_gen_size` | El uso actual de memoria heap de Java del grupo de memoria Old Generation. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.gc.eden_size` | El uso actual de memoria heap de Java del grupo de memoria Eden. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.gc.survivor_size` | El uso actual de memoria heap de Java del grupo de memoria Survivor. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.gc.metaspace_size` | El uso actual de memoria no heap de Java del grupo de memoria Metaspace. | `process.runtime.jvm.memory.usage`
`jvm.memory.used` | +| `jvm.thread_count` | El número de subprocesos en directo. | `process.runtime.jvm.threads.count`
`jvm.thread.count` | +| `jvm.loaded_classes` | Número de clases cargadas actualmente. | `process.runtime.jvm.classes.current_loaded`
`jvm.class.count` | +| `jvm.cpu_load.system` | Uso reciente de la CPU para todo el sistema. | `process.runtime.jvm.system.cpu.utilization`
`jvm.system.cpu.utilization` | +| `jvm.cpu_load.process` | Uso reciente de la CPU en proceso. | `process.runtime.jvm.cpu.utilization`
`jvm.cpu.recent_utilization` | +| `jvm.buffer_pool.direct.used` | Medida de la memoria utilizada por buffers. | `process.runtime.jvm.buffer.usage`
`jvm.buffer.memory.usage` | +| `jvm.buffer_pool.direct.count` | Número de buffers directos en el grupo. | `process.runtime.jvm.buffer.count`
`jvm.buffer.count` | +| `jvm.buffer_pool.direct.limit` | Medida de la capacidad total de memoria de buffers directos. | `process.runtime.jvm.buffer.limit`
`jvm.buffer.memory.limit` | +| `jvm.buffer_pool.mapped.used` | Medida de la memoria utilizada por los buffers asignados. | `process.runtime.jvm.buffer.usage`
`jvm.buffer.memory.usage` | +| `jvm.buffer_pool.mapped.count` | Número de buffers asignados en el grupo. | `process.runtime.jvm.buffer.count`
`jvm.buffer.count` | +| `jvm.buffer_pool.mapped.limit` | Medida de la capacidad total de memoria de buffers asignados. | `process.runtime.jvm.buffer.limit`
`jvm.buffer.memory.limit` | +| `jvm.gc.parnew.time` | El tiempo acumulado aproximado de recopilación de elementos no usados transcurrido. | N/A | +| `jvm.gc.cms.count` | El número total de recopilaciones de elementos no usados que se han producido. | N/A | +| `jvm.gc.major_collection_count` | El índice de las principales recopilaciones de elementos no usados. Configura `new_gc_metrics: true` para recibir esta métrica. | N/A | +| `jvm.gc.minor_collection_count` | La tasa de recopilaciones secundarias de elementos no usados. Establece `new_gc_metrics: true` para recibir esta métrica. | N/A | +| `jvm.gc.major_collection_time` | La fracción de tiempo empleado en la recopilación principal de elementos no usados. Configura `new_gc_metrics: true` para recibir esta métrica. | N/A | +| `jvm.gc.minor_collection_time` | La fracción de tiempo empleado en la recopilación secundaria de elementos no usados. Configura `new_gc_metrics: true` para recibir esta métrica. | N/A | +| `jvm.os.open_file_descriptors` | El número de descriptores de archivo abiertos. | N/A | + +{{% /tab %}} + +{{% tab "Go" %}} + +| Métrica de Datadog | Descripción | Métrica de OpenTelemetry | +| --- | --- | --- | +| `runtime.go.num_goroutine` | Número de goroutines generadas. | `process.runtime.go.goroutines` | +| `runtime.go.num_cgo_call` | Número de llamadas CGO realizadas. |`process.runtime.go.cgo.calls` | +| `runtime.go.mem_stats.lookups` | Número de búsquedas de punteros realizadas por el tiempo de ejecución. | `process.runtime.go.mem.lookups` | +| `runtime.go.mem_stats.heap_alloc` | Bytes de objetos heap asignados. | `process.runtime.go.mem.heap_alloc` | +| `runtime.go.mem_stats.heap_sys` | Bytes de memoria heap obtenidos del sistema operativo. | `process.runtime.go.mem.heap_sys` | +| `runtime.go.mem_stats.heap_idle` | Bytes en tramos (spans) en reposo (no utilizados). | `process.runtime.go.mem.heap_idle` | +| `runtime.go.mem_stats.heap_inuse` | Bytes de tramos en uso. | `process.runtime.go.mem.heap_inuse` | +| `runtime.go.mem_stats.heap_released` | Bytes de memoria física devueltos al sistema operativo. | `process.runtime.go.mem.heap_released` | +| `runtime.go.mem_stats.heap_objects` | Número de objetos heap asignados. | `process.runtime.go.mem.heap_objects` | +| `runtime.go.mem_stats.pause_total_ns` | Nanosegundos acumulados en la recopilación de elementos no usados (GC). | `process.runtime.go.gc.pause_total_ns` | +| `runtime.go.mem_stats.num_gc` | Número de ciclos de GC completados. | `process.runtime.go.gc.count` | +| `runtime.go.num_cpu` | Número de CPUs detectadas por el tiempo de ejecución. | N/A | +| `runtime.go.mem_stats.alloc` | Bytes de objetos heap asignados. | N/A | +| `runtime.go.mem_stats.total_alloc` | Bytes acumulados asignados a objetos heap. | N/A | +| `runtime.go.mem_stats.sys` | Total de bytes de memoria obtenidos del sistema operativo. | N/A | +| `runtime.go.mem_stats.mallocs` | Recuento acumulativo de objetos heap asignados. | N/A | +| `runtime.go.mem_stats.frees` | Recuento acumulativo de objetos heap liberados. | N/A | +| `runtime.go.mem_stats.stack_inuse` | Bytes en tramos de stack. | N/A | +| `runtime.go.mem_stats.stack_sys` | Bytes de memoria de stack obtenidos del sistema operativo. | N/A | +| `runtime.go.mem_stats.m_span_inuse` | Bytes de las estructuras mspan asignadas. | N/A | +| `runtime.go.mem_stats.m_span_sys` | Bytes de memoria obtenidos del sistema operativo para las estructuras mspan. | N/A | +| `runtime.go.mem_stats.m_cache_inuse` | Bytes de estructuras mcache asignadas. | N/A | +| `runtime.go.mem_stats.m_cache_sys` | Bytes de memoria obtenidos del sistema operativo para las estructuras mcache. | N/A | +| `runtime.go.mem_stats.buck_hash_sys` | Bytes de memoria en tablas hash de buckets de perfiles. | N/A | +| `runtime.go.mem_stats.gc_sys` | Bytes de memoria en metadatos de recopilación de elementos no usados. | N/A | +| `runtime.go.mem_stats.other_sys` | Bytes de memoria en miscelánea fuera de heap. | N/A | +| `runtime.go.mem_stats.next_gc` | Tamaño de heap objetivo del siguiente ciclo de GC. | N/A | +| `runtime.go.mem_stats.last_gc` | Última recopilación de elementos no usados finalizada, en nanosegundos desde la epoch de UNIX. | N/A | +| `runtime.go.mem_stats.num_forced_gc` | Número de ciclos de GC forzados por la aplicación que llama a la función de GC. | N/A | +| `runtime.go.mem_stats.gc_cpu_fraction` | Fracción del tiempo de CPU disponible de este programa utilizado por la GC desde que se inició el programa. | N/A | +| `runtime.go.gc_stats.pause_quantiles.min` | Distribución de los tiempos de pausa de la GC: valores mínimos. | N/A | +| `runtime.go.gc_stats.pause_quantiles.25p` | Distribución de los tiempos de pausa de la GC: percentil 25. | N/A | +| `runtime.go.gc_stats.pause_quantiles.50p` | Distribución de los tiempos de pausa de la GC: percentil 50. | N/A | +| `runtime.go.gc_stats.pause_quantiles.75p` | Distribución de los tiempos de pausa de la GC: percentil 75. | N/A | +| `runtime.go.gc_stats.pause_quantiles.max` | Distribución de los tiempos de pausa de la GC: valores máximos. | N/A | + +{{% /tab %}} + +{{% tab ".NET" %}} + +| Métrica de Datadog | Descripción | Métrica de OpenTelemetry | +| --- | --- | --- | +| `runtime.dotnet.threads.contention_count` | El número de veces que un subproceso se detuvo para esperar un bloqueo. | `process.runtime.dotnet.`
`monitor.lock_contention.count` | +| `runtime.dotnet.exceptions.count` | El número de excepciones por primera vez. | `process.runtime.dotnet.`
`exceptions.count` | +| `runtime.dotnet.gc.size.gen0` | El tamaño del heap de generación 0. | `process.runtime.dotnet.`
`gc.heap.size` | +| `runtime.dotnet.gc.size.gen1` | El tamaño del heap de generación 1. | `process.runtime.dotnet.`
`gc.heap.size` | +| `runtime.dotnet.gc.size.gen2` | El tamaño del heap de generación 2. | `process.runtime.dotnet.`
`gc.heap.size` | +| `runtime.dotnet.gc.size.loh` | El tamaño del heap de grandes objetos. | `process.runtime.dotnet.`
`gc.heap.size` | +| `runtime.dotnet.gc.count.gen0` | El número de recopilaciones de elementos no usados de generación 0. | `process.runtime.dotnet.`
`gc.collections.count` | +| `runtime.dotnet.gc.count.gen1` | El número de recopilaciones de elementos no usados de generación 1. | `process.runtime.dotnet.`
`gc.collections.count` | +| `runtime.dotnet.gc.count.gen2` | El número de recopilaciones de elementos no usados de generación 2. | `process.runtime.dotnet.`
`gc.collections.count` | +| `runtime.dotnet.cpu.system` | El número de milisegundos de ejecución en el kernel. | N/A | +| `runtime.dotnet.cpu.user` | El número de milisegundos de ejecución fuera del kernel. | N/A | +| `runtime.dotnet.cpu.percent` | El porcentaje de CPU total utilizado por la aplicación. | N/A | +| `runtime.dotnet.mem.committed` | Uso de memoria. | N/A | +| `runtime.dotnet.threads.count` | El número de subprocesos. | N/A | +| `runtime.dotnet.threads.workers_count` | El número de trabajadores en el grupo de subprocesos. (Solo.NET Core) | N/A | +| `runtime.dotnet.threads.contention_time` | El tiempo acumulado que pasan los subprocesos esperando un bloqueo. (Solo .NET Core) | N/A | +| `runtime.dotnet.gc.memory_load` | El porcentaje de la memoria total utilizada por el proceso. La recopilación de elementos no usados (GC) cambia su comportamiento cuando este valor supera el 85. (Solo .NET Core) | N/A | +| `runtime.dotnet.gc.pause_time` | La cantidad de tiempo que la GC pausó los subprocesos de la aplicación. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`requests.total` | El número total de solicitudes HTTP recibidas por el servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`requests.failed` | El número de solicitudes HTTP fallidas recibidas por el servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`requests.current` | El número total de solicitudes HTTP que se han iniciado, pero aún no se han detenido. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`requests.queue_length` | La longitud actual de la cola de solicitudes HTTP del servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`connections.total` | El número total de conexiones HTTP establecidas con el servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`connections.current` | El número actual de conexiones HTTP activas al servidor. (Solo .NET Core) | N/A | +| `runtime.dotnet.aspnetcore.`
`connections.queue_length` | La longitud actual de la cola de conexión del servidor HTTP. (Solo .NET Core) | N/A | + +{{% /tab %}} + +{{< /tabs >}} + +## Referencias adicionales + +{{< partial name="whats-next/whats-next.html" >}} + +[1]: /es/opentelemetry/mapping/metrics_mapping/ +[2]: /es/opentelemetry/setup/ +[3]: https://app.datadoghq.com/integrations [5]: /es/tracing/metrics/runtime_metrics/ [7]: https://app.datadoghq.com/dash/integration/256/jvm-metrics \ No newline at end of file diff --git a/content/es/real_user_monitoring/browser/advanced_configuration.md b/content/es/real_user_monitoring/browser/advanced_configuration.md index d1b8ff8bbce63..0ea3601184a2e 100644 --- a/content/es/real_user_monitoring/browser/advanced_configuration.md +++ b/content/es/real_user_monitoring/browser/advanced_configuration.md @@ -35,7 +35,7 @@ Existen varias formas de modificar los [datos y el contexto recopilados][1] por ## Sustituir los nombres de las vistas de RUM por defecto -El SDK del RUM Browser genera automáticamente un [evento de vista][2] para cada nueva página visitada por tus usuarios o cuando se cambia la URL de la página (para aplicaciones de página única). El nombre de la vista se calcula a partir de la URL de la página actual, donde los ID alfanuméricos variables se eliminan automáticamente. Por ejemplo, `/dashboard/1234` se convierte en `/dashboard/?`. +El SDK del RUM Browser genera automáticamente un [evento de vista][2] para cada nueva página visitada por tus usuarios o cuando se cambia la URL de la página (para aplicaciones de página única). El nombre de la vista se calcula a partir de la URL de la página actual, donde los ID alfanuméricos variables se eliminan automáticamente. Un segmento de ruta que contenga al menos un número se considera un ID de variable. Por ejemplo, `/dashboard/1234` y `/dashboard/9a` se convierten en `/dashboard/?`. A partir de la [versión 2.17.0][3], puedes añadir nombres de vistas y asignarlos a un servicio dedicado propiedad de un equipo mediante el rastreo manual de eventos de vistas con la opción `trackViewsManually`: @@ -360,7 +360,7 @@ import { datadogRum } from '@datadog/browser-rum'; datadogRum.setViewName('
App and API Protection no es compatible con el sitio Datadog seleccionado ({{< region-param key="dd_site_name" >}}).
+{{< /site-region >}}
-Las señales de seguridad planteadas por la monitorización de amenazas se resumen y aparecen en las vistas que ya visitas habitualmente para monitorizar el estado y el rendimiento de los servicios. El [catálogo de servicios][1] y las páginas individuales de servicios en APM proporcionan información sobre las señales de amenazas de las aplicaciones, lo que te permite investigar vulnerabilidades, bloquear atacantes y revisar exposiciones a ataques.
+Datadog App and API Protection (AAP) protege las aplicaciones web y las API frente a una amplia gama de amenazas para la seguridad, entre las que se incluyen:
-{{< img src="security/application_security/threats/threats-on-svc-cat_3.png" alt="Catálogo de servicios con servicios que muestran señales de amenaza" style="width:100%;" >}}
+- Intentos de uso de vulnerabilidades
+- Uso indebido y fraude en la aplicación
+- Abusos de API
-Para obtener más información sobre cómo funciona la gestión de amenazas, consulta [Cómo funciona ASM][4].
+Integrada en la plataforma Datadog, App and API Protection aprovecha los exhaustivos datos de Datadog (logs y trazas) para proporcionar visibilidad y seguridad completas del stack tecnológico en una plataforma unificada.
+
+App and API Protection permite a los equipos identificar y corregir rápidamente las amenazas. Su principal diferenciador es salvar la brecha entre seguridad y DevOps, promoviendo la colaboración entre los equipos de desarrollo, seguridad y operaciones.
+
+## Casos de uso
+
+Descubre las formas en que Datadog App and API Protection ayuda en casos de uso frecuentes:
+
+| Quieres... | Cómo puede ayudar Datadog AAP |
+| ----------- | ----------- |
+| **Protección de aplicaciones web:** Impide el uso de vulnerabilidades como la inyección SQL, la falsificación de solicitudes del lado del servidor y la inclusión de archivos locales. | Activa [Exploit Prevention][9] en tus servicios. App and API Protection bloquea los intentos en tiempo real y genera señales para su posterior investigación.|
+| **Abuso de aplicaciones y API:** Protege las aplicaciones contra el abuso de aplicaciones y API, como el relleno de credenciales y los ataques de apropiación de cuentas.| Aprovecha las [reglas de detección predefinidas][10] para notificaciones, como creaciones de cuentas inusuales o restablecimiento de contraseñas desde una IP, o campañas distribuidas de relleno de credenciales. Revisa las ventajas de la [protección predefinida contra la apropiación de cuentas][11].|
+| **Seguridad de API:** Conoce las API de tu organización, entiende la postura y las acciones necesarias para reducir el riesgo utilizando una lista priorizada de endpoints de API.| App and API Protection: - Realiza un inventario de todos tus endpoints de API. - Te proporciona una visibilidad de tu tráfico de API, incluyendo el abuso de API. - Destaca los riesgos en tus endpoints de API. Por ejemplo, endpoints vulnerables o no autenticados que procesan datos confidenciales.|
+
+## Señales de seguridad
+
+Las señales de seguridad emitidas por Threat Monitoring se resumen y se muestran en las vistas que visitas habitualmente para monitorizar la salud y el rendimiento de los servicios. El [Catálogo de software][1] y las páginas servicio individuales en APM proporcionan información sobre las señales de amenaza a las aplicaciones, lo que te permite investigar vulnerabilidades, bloquear atacantes y revisar las exposiciones a ataques.
+
+{{< img src="security/application_security/threats/threats-on-svc-cat_3.png" alt="Catálogo de software con servicios que muestran señales de amenaza" style="width:100%;" >}}
+
+Para obtener más información sobre el funcionamiento de App and API Protection, consulta [Funcionamiento de AAP][4].
## Exploración de las señales de amenaza
-Cuando los datos de amenazas de los servicios llegan a Datadog, la [información general de ASM][7] muestra un resumen de lo que está ocurriendo. Aquí, puedes habilitar la detección de vulnerabilidades, revisar los ataques, personalizar las alertas y los informes, y habilitar ASM en los servicios. Para investigar señales de actividad sospechosa, haz clic en el enlace **Review** (Revisar) del servicio.
+Cuando los datos de amenazas a tus servicios entran en Datadog, la [información general de AAP][7] muestra un resumen de lo que está ocurriendo. Aquí, puedes activar la detección de vulnerabilidades, revisar los ataques, personalizar las alertas y los informes, y activar AAP en tus servicios. Para investigar señales de actividad sospechosa, haz clic en el enlace **Review** (Revisar) del servicio.
En el [explorador de señales][2], filtra por atributos y facetas para encontrar amenazas críticas. Haz clic en una señal para ver sus detalles, incluida la información del usuario y su dirección IP, qué regla activó, el flujo del ataque, las trazas (traces) relacionadas y otras señales de seguridad. Desde esta página también puedes hacer clic para crear un caso y declarar un incidente. Para obtener más información, consulta [Investigación de las señales de seguridad][8].
@@ -35,20 +59,28 @@ En el [explorador de señales][2], filtra por atributos y facetas para encontrar
## Creación de reglas de WAF en la aplicación para identificar patrones de ataque
-Puedes [crear reglas de WAF en la aplicación][5] que definan qué aspecto tiene el comportamiento sospechoso en la aplicación, aumentando las reglas predeterminadas que vienen con ASM. A continuación, [especifica reglas personalizadas][6] para generar señales de seguridad a partir de los intentos de ataque desencadenados desde estas reglas, planteándolas en las vistas de la monitorización de amenazas para su investigación.
+Puedes [crear reglas WAF en la aplicación][5] que definan el comportamiento sospechoso en tu aplicación, aumentando las reglas por defecto que vienen con AAP. A continuación, [especifica reglas personalizadas][6] para generar señales de seguridad a partir de los intentos de ataque activador por estas reglas, mostrándolas en las vistas de Threat Monitor para su investigación.
-## Frena los ataques y a los atacantes con ASM Protect
+## Frenar los ataques y a los atacantes con AAP Protect
{{% asm-protect %}}
+## Desactivar la gestión y la protección de amenazas
+
+Para obtener información sobre la desactivación de la gestión y la protección de amenazas, consulta [Desactivación de la gestión y la protección de amenazas][12].
+
## Referencias adicionales
{{< partial name="whats-next/whats-next.html" >}}
[1]: https://app.datadoghq.com/services?lens=Security
[2]: https://app.datadoghq.com/security?query=%40workflow.rule.type%3A%22Application%20Security%22&column=time&order=desc&product=appsec&viz=stream&start=1694726477747&end=1695331277747&paused=false
-[4]: /es/security/application_security/how-appsec-works/
+[4]: /es/security/application_security/how-it-works/
[5]: /es/security/application_security/threats/inapp_waf_rules/
-[6]: /es/security/application_security/threats/custom_rules/
+[6]: /es/security/application_security/policies/custom_rules/
[7]: https://app.datadoghq.com/security/appsec?
-[8]: /es/security/application_security/threats/security_signals/
\ No newline at end of file
+[8]: /es/security/workload_protection/security_signals/
+[9]: /es/security/application_security/exploit-prevention/
+[10]: /es/security/default_rules/?category=cat-application-security
+[11]: /es/security/account_takeover_protection/
+[12]: /es/security/application_security/troubleshooting/#disabling-threat-management-and-protection
\ No newline at end of file
diff --git a/content/es/security/code_security/_index.md b/content/es/security/code_security/_index.md
index 5e73e248a75a7..5a72c1168fb2f 100644
--- a/content/es/security/code_security/_index.md
+++ b/content/es/security/code_security/_index.md
@@ -2,14 +2,21 @@
aliases:
- /es/code_analysis/
disable_toc: false
-title: Seguridad del código
+further_reading:
+- link: https://www.datadoghq.com/blog/monitor (noun)-mcp-servidores/
+ tag: Blog
+ text: Identificar los riesgos de seguridad más comunes en los servidores MCP
+title: Code Security
---
-Code Security escanea tu código de origen y bibliotecas de código abierto utilizadas en tus aplicaciones, tanto en tus repositorios como servicios en ejecución, proporcionando visibilidad de extremo a extremo desde el desarrollo hasta la producción. Abarca las siguientes capacidades:
+Code Security analiza tu código de origen y bibliotecas de código abierto utilizadas en tus aplicaciones, tanto en tus repositorios como servicios en ejecución, proporcionando visibilidad de extremo a extremo desde el desarrollo hasta la producción. Abarca las siguientes capacidades:
- [Static Code Analysis (SAST)][1] para identificar problemas de seguridad y calidad en el código de origen.
- [Software Composition Analysis (SCA)][2] para identificar dependencias de código abierto tanto en tus repositorios como en tus servicios
-- [Runtime Code Analysis (IAST)][3] para detectar vulnerabilidades a nivel de código en tus servicios
+- [Runtime Code Analysis (IAST)][3] para identificar vulnerabilidades en el código de origen dentro de tus servicios
+- [Secret Scanning][8] para identificar y validar secretos filtrados (en vista previa)
+- [Infrastructure as Code (IaC) Security][10] para identificar configuraciones de seguridad incorrectas en los archivos Terraform almacenados en tus repositorios
+- [Supply Chain Security](#supply-chain-security) para evitar que paquetes maliciosos entren en tu entorno de desarrollo y repositorios de código
Code Security ayuda a los equipos a implementar DevSecOps en toda la organización:
- **Desarrolladores:** detección temprana de vulnerabilidades, mejoras en la calidad del código, desarrollo más rápido, ya que los desarrolladores pasan menos tiempo depurando y parcheando.
@@ -43,10 +50,27 @@ Runtime Code Analysis (IAST) identifica vulnerabilidades a nivel de código en t
Puedes activar IAST en tus servicios instrumentados con Datadog APM. Consulta [Configuración de IAST][3] para empezar.
+## Secret Scanning
+Secret Scanning identifica y valida los secretos filtrados en tu código base. [Solicita acceso a la vista previa][9].
+
+## Supply Chain Security
+Los desarrolladores están siendo blanco activo de ataques a la cadena de suministro. Evita que entren paquetes maliciosos en tus entornos de desarrollo con Datadog Supply Chain Security Firewall, disponible en GitHub.
+{{< callout url="https://docs.google.com/forms/d/1Xqh5h1n3-jC7au2t30fdTq732dkTJqt_cb7C7T-AkPc" >}}
+ Para inscribirte como socio de diseño, haz clic en Solicitar acceso.
+{{< /callout >}}
+
+
+## Referencias adicionales
+
+{{< partial name="whats-next/whats-next.html" >}}
+
[1]: /es/security/code_security/static_analysis/
[2]: /es/security/code_security/software_composition_analysis/
[3]: /es/security/code_security/iast/
[4]: /es/security/code_security/software_composition_analysis/setup_static/
[5]: /es/security/code_security/software_composition_analysis/setup_runtime/
[6]: /es/security/code_security/static_analysis/setup/
-[7]: /es/security/code_security/iast/setup/
\ No newline at end of file
+[7]: /es/security/code_security/iast/setup/
+[8]: /es/security/code_security/secret_scanning/
+[9]: https://www.datadoghq.com/product-preview/secret-scanning/
+[10]: /es/security/code_security/iac_security
\ No newline at end of file
diff --git a/content/es/security/detection_rules/_index.md b/content/es/security/detection_rules/_index.md
index 09f4af277b7aa..8e5fa216e48c4 100644
--- a/content/es/security/detection_rules/_index.md
+++ b/content/es/security/detection_rules/_index.md
@@ -23,44 +23,44 @@ products:
name: Cloud SIEM
url: /security/cloud_siem/
- icon: cloud-security-management
- name: Cloud Security Management
+ name: Cloud Security
url: /security/cloud_security_management/
- icon: app-sec
- name: Application Security Management
+ name: App and API Protection
url: /security/application_security/
title: Reglas de detección
---
{{< product-availability >}}
-Las reglas de detección definen una lógica condicional que se aplica a todas las configuraciones de logs y de la nube. Cuando al menos un caso definido en una regla coincide durante un periodo determinado, se genera una señal de seguridad. Puedes ver estas señales en el [Signals Explorer][1].
+Las reglas de detección definen una lógica condicional que se aplica a todas las configuraciones de logs y de la nube. Cuando al menos un caso definido en una regla coincide durante un periodo determinado, se genera una señal de seguridad. Puedes ver estas señales en el [Explorador de señales][1].
## Reglas de detección predefinidas
-Datadog ofrece [reglas de detección predefinidas][2] para detectar técnicas de ataque y posibles errores de configuración. Cuando se publican nuevas reglas de detección, se importan automáticamente a tu cuenta, a tu biblioteca de Application Security Management y al Agent, según tu configuración.
+Datadog ofrece [reglas de detección predefinidas][2] para detectar técnicas de ataque y posibles errores de configuración. Cuando se publican nuevas reglas de detección, se importan automáticamente a tu cuenta, a tu biblioteca de App and API Protection y al Agent, según tu configuración.
Las reglas predefinidas están disponibles para los siguientes productos de seguridad:
- [Cloud SIEM][3] utiliza la detección de logs para analizar logs ingeridos en tiempo real.
-- Cloud Security Management (CSM):
- - [CSM Misconfigurations][4] utiliza reglas de detección de configuración en la nube y configuración de infraestructura para escanear el estado de tu entorno en la nube.
- - [CSM Threats][5] utiliza las reglas de Datadog Agent y de detección para Monitor y evaluar activamente la actividad del sistema.
- - [CSM Identity Risks][6] utiliza reglas de detección para detectar riesgos basados en IAM en tu infraestructura en la nube.
-- [Application Security Management][7] (ASM) aprovecha Datadog [APM][8], el [Datadog Agent ][9] y las reglas de detección para detectar amenazas en tu entorno de aplicación.
+- Cloud Security:
+ - [Cloud Security Misconfigurations][4] utiliza reglas de detección de configuración en la nube y configuración de infraestructura para analizar el estado de tu entorno en la nube.
+ - [Workload Protection][5] utiliza las reglas del Agent y de detección para monitorizar activamente y evaluar la actividad del sistema.
+ - [Cloud Security Identity Risks][6] utiliza reglas de detección para detectar riesgos basados en IAM en tu infraestructura de nube.
+- [App and API Protection][7] (AAP) aprovecha Datadog [APM][8], el [Datadog Agent][9] y las reglas de detección para detectar amenazas en el entorno de tu aplicación.
-## Normas de detección beta
+## Reglas de detección beta
El equipo de investigación de seguridad de Datadog añade continuamente nuevas reglas de detección de seguridad predefinidas. Aunque el objetivo es ofrecer detecciones de alta calidad con el lanzamiento de integraciones u otras nuevas funciones, a menudo es necesario observar el rendimiento de la detección a escala antes de poner la regla a disposición general. De este modo, el equipo de investigación de seguridad de Datadog dispone del tiempo necesario para perfeccionar o eliminar las posibilidades de detección que no cumplan nuestras normas.
## Reglas de detección personalizadas
-Puede haber situaciones en las que debes personalizar una regla según tu entorno o carga de trabajo. Por ejemplo, si usas ASM, es posible que desees personalizar una regla de detección que detecte a los usuarios que realizan acciones confidenciales desde una geolocalización en la que no opera tu empresa.
+Puede haber situaciones en las que necesites personalizar una regla según tu entorno o carga de trabajo. Por ejemplo, si utilizas AAP, es posible que quieras personalizar una regla de detección que detecte a los usuarios que realizan acciones confidenciales desde una geolocalización en la que no opera tu empresa.
Para [crear reglas personalizadas](#create-detection-rules), puedes clonar las reglas por defecto y editar las copias, o crear tus propias reglas desde cero.
## Buscar y filtrar reglas de detección
-Para ver las reglas de detección predefinidas y personalizadas en Datadog, ve a la página [**Security Settings**][10] (Configuración de seguridad). Las reglas aparecen en páginas separadas para cada producto (Application Security, Cloud Security Management y Cloud SIEM).
+Para ver las reglas de detección predefinidas y personalizadas en Datadog, ve a la página [**Parámetros de seguridad**][10]. Las reglas aparecen en páginas separadas para cada producto (Application Security, Cloud Security Management y Cloud SIEM).
Para buscar y filtrar las reglas, utiliza el cuadro de búsqueda y las facetas para consultar por valor. Por ejemplo, para mostrar solo las reglas de un tipo de regla determinado, pasa el ratón por encima del tipo de regla y selecciona `only`. También puedes filtrar por facetas como `source` y `severity` al investigar y clasificar las incidencias entrantes.
@@ -73,9 +73,9 @@ Para crear una regla de detección personalizada, haz clic en el botón **New Ru
Para obtener instrucciones detalladas, consulta los siguientes artículos:
- [Cloud SIEM][11]
-- [ASM][12]
-- [CSM Misconfigurations][13]
-- [CSM Threats][14]
+- [AAP][12]
+- [Cloud Security Misconfigurations][13]
+- [Workload Protection][14]
## Gestionar las reglas de detección
@@ -109,13 +109,36 @@ Para eliminar una regla personalizada, haz clic en el menú vertical de tres pun
**Nota**: Solo puedes eliminar reglas personalizadas. Para eliminar una regla predeterminada, debes [desactivarla](#enable-or-disable-rules).
+### Consultar el historial de versiones de una regla
+
+{{< img src="/security/security_monitoring/detection_rules/rule_version_history_20250207.png" alt="Historial de versiones del compromiso de un token de acceso GitHub OAuth" style="width:80%;" >}}
+
+Utiliza el historial de versiones de reglas para:
+- Ver las versiones anteriores de una regla de detección y comprender los cambios a lo largo del tiempo.
+- Ver quién realizó los cambios para mejorar la colaboración.
+- Comparar versiones con diferencias para analizar las modificaciones y el impacto de los cambios.
+
+Para ver el historial de versiones de una regla:
+1. Ve a la página [Parámetros de seguridad][15]. En el panel de navegación izquierdo:
+ - Para AAP: Haz clic en **App and API Protection** y luego en **Detection Rules** (Reglas de detección).
+ - Para Cloud Security: Haz clic en **Cloud Security** y luego en **Threat Detection Rules** (Reglas de detección de amenazas).
+ - Para Cloud SIEM: Haz clic en **Cloud SIEM** y luego en **Detection Rules** (Reglas de detección).
+1. Haz clic en la regla que te interese.
+1. En el editor de reglas, haz clic en **Version History** (Historial de versiones) para ver los cambios anteriores.
+1. Haz clic en una versión concreta para ver los cambios realizados.
+1. Haz clic en **Open Version Comparison** (Abrir comparación de versiones) para ver los cambios entre versiones.
+1. Selecciona las dos versiones que quieres comparar.
+ - Los datos resaltados en rojo indican datos modificados o eliminados.
+ - Los datos resaltados en verde indican los datos añadidos.
+1. Haz clic en **Unified** (Unificado) si quieres ver la comparación en el mismo panel.
+
### Restringir permisos de edición
{{% security-products/detection-rules-granular-access %}}
### Ver las señales generadas
-Para ver las señales de seguridad de una regla en el [Signals Explorer][1], haz clic en el menú vertical de tres puntos y selecciona **View generated signals** (Ver señales generadas). Esto es útil cuando se correlacionan señales a través de múltiples fuentes por regla, o cuando se completa una auditoría de reglas.
+Para ver las señales de seguridad de una regla en el [Explorador de señales][1], haz clic en el menú vertical de tres puntos y selecciona **View generated signals** (Ver señales generadas). Esto es útil cuando se correlacionan señales a través de múltiples fuentes por regla, o cuando se completa una auditoría de reglas.
### Exportar una regla como JSON
@@ -129,7 +152,7 @@ El proceso de obsolescencia de las reglas es el siguiente:
1. La regla incluye una advertencia con la fecha de obsolescencia. En la interfaz de usuario, la advertencia se muestra en la:
- Sección **Rule Details > Playbook** (Detalles de la regla > Guía) del panel lateral de señales
- - Panel lateral de configuraciones erróneas (solo CSM Misconfigurations)
+ - Panel lateral de Misconfigurations (sólo Cloud Security Misconfigurations)
- [Editor de reglas][10] para esa regla específica
2. Una vez que la regla se vuelve obsoleta, transcurre un periodo de 15 meses antes de que se elimine la regla. Esto se debe al periodo de conservación de señales de 15 meses. Durante este tiempo, puedes volver a habilitar la regla [clonando la regla][2](#clone-a-rule) en la interfaz de usuario.
3. Una vez eliminada la regla, ya no podrás clonarla ni volver a activarla.
@@ -142,13 +165,14 @@ El proceso de obsolescencia de las reglas es el siguiente:
[2]: /es/security/default_rules/
[3]: /es/security/cloud_siem/
[4]: /es/security/cloud_security_management/misconfigurations/
-[5]: /es/security/threats/
+[5]: /es/security/workload_protection/
[6]: /es/security/cloud_security_management/identity_risks/
[7]: /es/security/application_security/
[8]: /es/tracing/
[9]: /es/agent/
[10]: https://app.datadoghq.com/security/configuration/
-[11]: /es/security/cloud_siem/log_detection_rules/
-[12]: /es/security/application_security/threats/custom_rules/
+[11]: /es/security/cloud_siem/detection_rules/
+[12]: /es/security/application_security/policies/custom_rules/
[13]: /es/security/cloud_security_management/misconfigurations/custom_rules
-[14]: /es/security/threats/workload_security_rules?tab=host#create-custom-rules
\ No newline at end of file
+[14]: /es/security/workload_protection/workload_security_rules?tab=host#create-custom-rules
+[15]: https://app.datadoghq.com/security/configuration/
\ No newline at end of file
diff --git a/content/es/serverless/aws_lambda/installation/_index.md b/content/es/serverless/aws_lambda/installation/_index.md
index f7199dfe9656e..cc2fe9ad9c915 100644
--- a/content/es/serverless/aws_lambda/installation/_index.md
+++ b/content/es/serverless/aws_lambda/installation/_index.md
@@ -16,18 +16,22 @@ title: Instalar Serverless Monitoring para AWS Lambda
Si estás dando tus primeros pasos en Datadog, [regístrate para obtener una cuenta de Datadog][1] y luego sigue las instrucciones de instalación del Datadog Agent para [AWS Lambda][2] de modo que puedas instrumentar tu función de Lambda y lograr un inicio rápido con Datadog. Completar estos pasos configura tus funciones de Lambda para enviar métricas, logs y trazas (traces) a Datadog en tiempo real.
-{{< beta-callout-private url="https://docs.google.com/forms/d/e/1FAIpQLScw8XBxCyN_wjBVU2tWm-zX5oPIGF7BwUKcLSHY6MJsem259g/viewform?usp=sf_link" >}}
-¿Te interesa instrumentar funciones de AWS Lambda de forma masiva directamente desde la interfaz de usuario de Datadog? Para participar, solicita acceso a la próxima fase beta privada de instrumentación de Lambda en remoto.
-{{< /beta-callout-private >}}
+En GitHub hay disponible una aplicación de ejemplo con instrucciones sobre cómo desplegarla con múltiples tiempos de ejecución y herramientas de infraestructura como código.
El proceso de inicio rápido configura tus funciones de Lambda de forma temporal. Para instrumentar funciones de Lambda de forma permanente, consulta las instrucciones de instalación detalladas en la siguiente sección.
## Instrucciones de instalación
-Para obtener instrucciones de instalación detalladas, selecciona el tiempo de ejecución de Lambda a continuación:
+Para los tiempos de ejecución de Node.js y Python, puedes utilizar la [instrumentación remota][5] para añadir instrumentación a tus funciones de AWS Lambda y mantenerlas instrumentadas de forma segura. Consulta [Instrumentación remota para AWS Lambda][5].
+
+Para otros tiempos de ejecución de Lambda (o para instrumentar tus funciones de Node.js o Python sin instrumentación remota) consulta las instrucciones de instalación detalladas:
{{< partial name="serverless/getting-started-languages.html" >}}
+## Soporte para el cumplimiento de FIPS
+
+Datadog proporciona monitorización conforme a FIPS para las funciones de AWS Lambda a través de capas de extensión de Lambda conformes a FIPS dedicadas y configuraciones específicas del tiempo de ejecución. Los componentes conformes con FIPS implementan criptografía certificada por FIPS y funcionan con cualquier sitio de Datadog, pero el cumplimiento de FIPS de extremo a extremo requiere el uso del sitio US1-FED. Si necesitas mantener la conformidad con FIPS mientras monitorizas tus funciones de Lambda, consulta la página de documentación [AWS Lambda FIPS Compliance][4] para obtener más detalles.
+
## Configuraciones avanzadas
Una vez finalizada la instalación y configurada la recopilación de telemetría, puedes utilizar las [configuraciones avanzadas][3] para hacer lo siguiente:
@@ -44,4 +48,6 @@ Una vez finalizada la instalación y configurada la recopilación de telemetría
[1]: https://app.datadoghq.com/signup/
[2]: https://app.datadoghq.com/signup/agent#lambda
-[3]: /es/serverless/configuration/
\ No newline at end of file
+[3]: /es/serverless/configuration/
+[4]: /es/serverless/aws_lambda/fips-compliance/
+[5]: /es/serverless/aws_lambda/remote_instrumentation
\ No newline at end of file
diff --git a/content/es/serverless/azure_functions/_index.md b/content/es/serverless/azure_functions/_index.md
index 07abc4300f3e2..53a5a0e09590e 100644
--- a/content/es/serverless/azure_functions/_index.md
+++ b/content/es/serverless/azure_functions/_index.md
@@ -3,11 +3,11 @@ title: Instala la monitorización serverless para Azure Functions
---
## Información general
-En esta página se explica cómo recopilar trazas (traces), rastrear métricas, métricas de tiempo de ejecución y métricas personalizadas de Azure Functions. Para recopilar métricas adicionales, instala la [integración de Datadog Azure][6].
+En este Page ( página) se explica cómo recopilar trazas, métricas de trace (traza), métricas de tiempo de ejecución y métricas personalizadas de sus Azure Functions. Para recopilar métricas adicionales, instale la [Datadog integración de Azure][5].
## Configuración
-{{< programming-lang-wrapper langs="nodejs,python" >}}
+{{< programming-lang-wrapper langs="nodejs,python,java,dotnet" >}}
{{< programming-lang lang="nodejs" >}}
1. **Instala dependencias**. Ejecuta los siguientes comandos:
```shell
@@ -15,11 +15,9 @@ En esta página se explica cómo recopilar trazas (traces), rastrear métricas,
npm install dd-trace
```
- Para usar la [instrumentación automática][1], utiliza `dd-trace` v5.25+.
-
Datadog recomienda anclar las versiones de paquete y actualizar periódicamente a las últimas versiones de `@datadog/serverless-compat` y de `dd-trace` para asegurarte de tener acceso a las mejoras y correcciones de errores.
-2. **Inicia la capa de compatibilidad serverless de Datadog e inicializa el rastreador de Node.js**. Añade las siguientes líneas al archivo de punto de entrada de tu aplicación principal (por ejemplo, `app.js`):
+2. **Inicie la capa de compatibilidad sin servidor Datadog e inicialice el trazador Node.js Datadog **. Añade las siguientes líneas al archivo de punto de entrada de tu aplicación principal (por ejemplo, `app.js`):
```js
require('@datadog/serverless-compat').start();
@@ -28,13 +26,11 @@ En esta página se explica cómo recopilar trazas (traces), rastrear métricas,
const tracer = require('dd-trace').init()
```
-3. (Opcional) **Habilita las métricas del tiempo de ejecución**. Consulta [Métricas del tiempo de ejecución de Node.js][2].
+3. **Configurar el trazador Datadog Node.js**
-4. (Opcional) **Habilita métricas personalizadas**. Consulta [Presentación de métricas: DogStatsD][3].
+ [Configuración de la biblioteca de seguimiento de Node.js][1]
-[1]: /es/tracing/trace_collection/automatic_instrumentation/?tab=singlestepinstrumentation
-[2]: /es/tracing/metrics/runtime_metrics/nodejs/?tab=environmentvariables
-[3]: /es/metrics/custom_metrics/dogstatsd_metrics_submission/?code-lang=nodejs
+[1]:/es/tracing/trace_collection/library_config/nodejs
{{< /programming-lang >}}
{{< programming-lang lang="python" >}}
1. **Instala dependencias**. Ejecuta los siguientes comandos:
@@ -43,27 +39,126 @@ En esta página se explica cómo recopilar trazas (traces), rastrear métricas,
pip install ddtrace
```
- Para usar la [instrumentación automática][1], utiliza `dd-trace` v2.19+.
-
Datadog recomienda utilizar las últimas versiones de `datadog-serverless-compat` y de `ddtrace` para asegurarte de tener acceso a las mejoras y correcciones de errores.
-2. **Inicializa el rastreador de Datadog Python y la capa de compatibilidad serverless**. Añade las siguientes líneas al archivo de punto de entrada de tu aplicación principal:
+2. **Inicie Datadog Serverless Compatibility Layer e inicialice Datadog Python tracer**. Añade las siguientes líneas al archivo de punto de entrada de tu aplicación principal:
```python
from datadog_serverless_compat import start
- from ddtrace import tracer, patch_all
+ import ddtrace.auto
start()
- patch_all()
```
-3. (Opcional) **Habilita las métricas del tiempo de ejecución**. Consulta [Métricas del tiempo de ejecución de Python][2].
+3. **Configurar el trazador Python Datadog **
-4. (Opcional) **Habilita métricas personalizadas**. Consulta [Presentación de métricas: DogStatsD][3].
+ [Configuración de la biblioteca de seguimiento de Python][1]
-[1]: /es/tracing/trace_collection/automatic_instrumentation/?tab=singlestepinstrumentation
-[2]: /es/tracing/metrics/runtime_metrics/python/
-[3]: /es/metrics/custom_metrics/dogstatsd_metrics_submission/?code-lang=python
+[1]:/es/tracing/trace_collection/library_config/python
+{{< /programming-lang >}}
+{{< programming-lang lang="java" >}}
+1. **Instalar dependencias**. Descarga los JAR de Datadog y despliégalos con tu función:
+ ```bash
+ wget -O dd-java-agent.jar 'https://dtdg.co/latest-java-tracer'
+ wget -O dd-serverless-compat-java-agent.jar 'https://dtdg.co/latest-serverless-compat-java-agent'
+ ```
+ Ver Datadog's [Maven Repository][1] para cualquier versión específica de Datadog Serverless Compatibility Layer.
+
+ Datadog recomienda actualizar periódicamente las versiones más recientes de `dd-serverless-compat-java-agent` y `dd-java-agent` para garantizar el acceso a las mejoras y correcciones de errores.
+
+2. **Inicie la capa de compatibilidad sin servidor Datadog e inicialice el rastreador Java Datadog **. Añade los siguientes argumentos `-javaagent` a las opciones de la JVM.:
+
+ ```bash
+ -javaagent:/path/to/dd-serverless-compat-java-agent.jar -javaagent:/path/to/dd-java-agent.jar
+ ```
+
+ **Nota**: la variable de entorno para establecer las opciones de JVM depende del plan de alojamiento (por ejemplo, Consumo, Elastic Premium, Dedicado). Consulte [Azure Functions Java developer guide][2] para obtener más detalles sobre la variable de entorno adecuada para su plan de alojamiento.
+
+3. **Configurar el trazador Java Datadog **
+
+ [Configuración de la biblioteca de seguimiento de Java][3]
+
+[1]: https://repo1.maven.org/maven2/com/datadoghq/dd-serverless-compat-java-agent/
+[2]: https://learn.microsoft.com/en-us/azure/azure-functions/functions-reference-java?tabs=bash%2Cconsumption#customize-jvm
+[3]: /es/tracing/trace_collection/library_config/java
+{{< /programming-lang >}}
+{{< programming-lang lang="dotnet" >}}
+1. **Instala dependencias**. Ejecuta los siguientes comandos:
+ ```shell
+ dotnet package add Datadog.Azure.Functions
+ ```
+
+ Datadog recomienda actualizar periódicamente a la última versión de `Datadog.AzureFunctions` para asegurarse de tener acceso a las mejoras y correcciones de errores.
+
+2. **Inicie la capa de compatibilidad sin servidor Datadog **.
+
+ Si su aplicación Azure Function utiliza el modelo Isolated Worker, añada las siguientes líneas a su archivo de punto de entrada de la aplicación principal:
+ ```csharp
+ Datadog.Serverless.CompatibilityLayer.Start();
+ ```
+
+ Si su aplicación Azure Function utiliza el modelo In-Process, añada una referencia de paquete NuGet a `Microsoft.Azure.Functions.Extensions`:
+ ```shell
+ dotnet package add Microsoft.Azure.Functions.Extensions
+ ```
+
+ Y añade el siguiente archivo `.cs` a tu aplicación:
+ ```csharp
+ using Datadog.Serverless;
+ using Microsoft.Azure.Functions.Extensions.DependencyInjection;
+
+ [assembly: FunctionsStartup(typeof(MyFunctionApp.Startup))]
+
+ namespace MyFunctionApp
+ {
+ public class Startup : FunctionsStartup
+ {
+ public override void Configure(IFunctionsHostBuilder builder)
+ {
+ Datadog.Serverless.CompatibilityLayer.Start();
+ }
+ }
+ }
+ ```
+
+3. **Configurar Instrumentación Automática**
+
+ Si su aplicación Azure Function se ejecuta en Windows, añada las siguientes variables de entorno a su aplicación Function:
+ ```
+ CORECLR_ENABLE_PROFILING=1
+
+ CORECLR_PROFILER={846F5F1C-F9AE-4B07-969E-05C26BC060D8}
+
+ CORECLR_PROFILER_PATH_64=
+ C:\home\site\wwwroot\datadog\win-x64\Datadog.Trace.ClrProfiler.Native.dll
+
+ CORECLR_PROFILER_PATH_32=
+ C:\home\site\wwwroot\datadog\win-x86\Datadog.Trace.ClrProfiler.Native.dll
+
+ DD_DOTNET_TRACER_HOME=C:\home\site\wwwroot\datadog
+
+ ```
+
+ Si su aplicación Azure Function se ejecuta en Linux, añada las siguientes variables de entorno a su aplicación Function:
+ ```
+ CORECLR_ENABLE_PROFILING=1
+
+ CORECLR_PROFILER={846F5F1C-F9AE-4B07-969E-05C26BC060D8}
+
+ CORECLR_PROFILER_PATH=
+ /home/site/wwwroot/datadog/linux-x64/Datadog.Trace.ClrProfiler.Native.so
+
+ DD_DOTNET_TRACER_HOME=/home/site/wwwroot/datadog
+
+ ```
+
+4. **Configurar el trazador Datadog.NET**
+
+ - [Configuración de la biblioteca de rastreo de .NET Core][1]
+ - [Configuración de la biblioteca de seguimiento de .NET Framework][2]
+
+[1]:/es/tracing/trace_collection/library_config/dotnet-core
+[2]:/es/tracing/trace_collection/library_config/dotnet-framework
{{< /programming-lang >}}
{{< /programming-lang-wrapper >}}
@@ -73,37 +168,27 @@ En esta página se explica cómo recopilar trazas (traces), rastrear métricas,
| Nombre | Valor |
| ---- | ----- |
- | `DD_API_KEY` | Tu [Clave de la API de Datadog][1]. |
+ | `DD_API_KEY` | Tu [clave de API Datadog][1]. |
| `DD_SITE` | Tu [sitio Datadog][2]. Por ejemplo, {{< region-param key=dd_site code="true" >}}. |
-7. **Configura el etiquetado de servicios unificado**. Puedes recopilar métricas desde tu Azure Functions mediante la instalación de la [integración de Datadog Azure][6]. Para correlacionar estas métricas con tu trazas (traces), primero configura las etiquetas (tags) `env`, `service` y `version` en tu recurso en Azure . A continuación, configura las siguientes variables de entorno. Puedes añadir etiquetas (tags) personalizados como `DD_TAGS`.
+7. **Configure el etiquetado de servicios unificados**. Puede recopilar métricas de sus funciones de Azure instalando la integración de Azure [Datadog ][5]. Para correlacionar estas métricas con sus trazas, primero configure las etiquetas `env`, `service`, y `version` en su recurso en Azure. A continuación, configura las siguientes variables de entorno.
| Nombre | Valor |
| ---- | ----- |
- | `DD_ENV` | Cómo deseas etiquetar tu variable de entorno para el [etiquetado de servicios unificado][9]. Por ejemplo, `prod`. |
- | `DD_SERVICE` | Cómo deseas etiquetar tu servicio para el [etiquetado de servicios unificado][9]. |
- | `DD_VERSION` | Cómo deseas etiquetar tu versión para el [etiquetado de servicios unificado][9]. |
- | `DD_TAGS` | Tus etiquetas (tags) personalizadas separadas por comas. Por ejemplo, `key1:value1,key2:value2`. |
+ | `DD_ENV` | Cómo quiere etiquetar su env para [Unified Service Tagging][7]. Por ejemplo, `prod`. |
+ | `DD_SERVICE` | Cómo desea etiquetar su servicio para [Unified Service Tagging][7]. |
+ | `DD_VERSION` | Cómo desea etiquetar su versión para [Etiquetado de Servicio Unificado][7]. |
## ¿Qué toca hacer ahora?
-- Puedes ver tus trazas (traces) de Azure Functions en [Trace Explorer][4]. Busca por el nombre del servicio que configuraste en la variable de entorno `DD_SERVICE` para ver tus trazas (traces).
-- Puedes utilizar la página [Serverless > Azure Funcitons][5] para ver tus trazas (traces) enriquecidas con la telemetría recopilada por la [integración de Datadog Azure][6].
-
-### Activa/desactiva métricas de trazas (traces)
-
-Las [métricas de trazas (traces)][3] están activados en forma predeterminada. Para configurar métricas de trazas, utiliza la siguiente variable de entorno:
-
-`DD_TRACE_STATS_COMPUTATION_ENABLED`
-: Activa (`true`) o desactiva (`false`) métricas de trazas. El valor predeterminado es `true`.
-
- **Valores**: `true`, `false`
+- Puede ver sus trazas de Azure Functions en [trace (traza) Explorer ][3]. Busque el nombre del servicio que estableció en la variable de entorno `DD_SERVICE` para ver sus trazas.
+- Puedes utilizar [Serverless > Azure Functions][4] Page ( página) para ver tus trazas enriquecidas con telemetría recogida por la [Datadog Azure integration][5].
## Solucionar problemas
### Activa logs de depuración
-Puedes recopilar [logs de depuración][7] para solucionar problemas. Para configurar logs de depuración, utiliza las siguientes variables de entorno:
+Puede recopilar [registros de depuración][6] para solucionar problemas. Para configurar los registros de depuración, utilice las siguientes variables de entorno:
`DD_TRACE_DEBUG`
: Activa (`true`) o desactiva (`false`) el registro de depuración para la biblioteca de Datadog Tracing. El valor predeterminado es `false`.
@@ -115,17 +200,10 @@ Puedes recopilar [logs de depuración][7] para solucionar problemas. Para config
**Valores**: `trace`, `debug`, `info`, `warn`, `error`, `critical`, `off`
-### Planes de Linux Consumption y acciones de GitHub
-
-Para utilizar una acción de GitHub para desplegar en una función de Linux Consumption, configura tu flujo de trabajo para utilizar un Azure Service Principal para RBAC. Consulta [Utilizar Azure Service Principal para RBAC como credencial de despliegue][8].
-
-
[1]: /es/account_management/api-app-keys/#add-an-api-key-or-client-token
[2]: /es/getting_started/site
-[3]: /es/tracing/metrics/metrics_namespace/
-[4]: https://app.datadoghq.com/apm/traces
-[5]: https://app.datadoghq.com/functions?cloud=azure&entity_view=function
-[6]: /es/integrations/azure/
-[7]: /es/tracing/troubleshooting/tracer_debug_logs/#enable-debug-mode
-[8]: https://github.com/Azure/functions-action?tab=readme-ov-file#using-azure-service-principal-for-rbac-as-deployment-credential
-[9]: /es/getting_started/tagging/unified_service_tagging/
\ No newline at end of file
+[3]: https://app.datadoghq.com/apm/traces
+[4]: https://app.datadoghq.com/functions?cloud=azure&entity_view=function
+[5]: /es/integrations/azure/
+[6]: /es/tracing/troubleshooting/tracer_debug_logs/#enable-debug-mode
+[7]: /es/getting_started/tagging/unified_service_tagging/
\ No newline at end of file
diff --git a/content/es/service_management/events/pipelines_and_processors/lookup_processor.md b/content/es/service_management/events/pipelines_and_processors/lookup_processor.md
index 3c6a3c4b68e72..6462ec5d32fb4 100644
--- a/content/es/service_management/events/pipelines_and_processors/lookup_processor.md
+++ b/content/es/service_management/events/pipelines_and_processors/lookup_processor.md
@@ -19,8 +19,7 @@ El procesador de búsqueda realiza las siguientes acciones:
**Tabla de referencia**
- {{< img src="logs/log_configuration/processor/lookup_processor_reference_table.png" alt="Procesador de búsqueda"
- style="width:80%;">}}
+ {{< img src="logs/log_configuration/processor/lookup_processor_reference_table.png" alt="Procesador de búsqueda" style="width:80%;" >}}
El límite de tamaño de la tabla de asignación es de 100 kB. Este límite se aplica a todos los procesadores de búsqueda de la plataforma. Sin embargo, las tablas de referencia admiten archivos de mayor tamaño.
diff --git a/content/es/synthetics/guide/uptime-percentage-widget.md b/content/es/synthetics/guide/uptime-percentage-widget.md
index fd901ecabb881..77254c73656a9 100644
--- a/content/es/synthetics/guide/uptime-percentage-widget.md
+++ b/content/es/synthetics/guide/uptime-percentage-widget.md
@@ -9,6 +9,9 @@ further_reading:
- link: /getting_started/synthetics/
tag: Documentación
text: Empezando con Synthetic Monitoring
+- link: https://www.datadoghq.com/blog/slo-synthetic-monitoring/
+ tag: Blog
+ text: Mejorar la precisión y el rendimiento de los SLOs con Datadog Synthetic Monitoring
title: Monitorizar tiempos de actividad de sitios web con SLOs
---
@@ -18,7 +21,7 @@ Para poder cumplir los acuerdos de nivel del servicio suscritos con clientes int
A continuación, te mostramos cómo lograrlo con la herramienta [Synthetic Monitoring][1] y el [widget de objetivos de nivel del servicio ][2] (SLOs). Para ello, usaremos `http://example.com/` como ejemplo.
-## Crear un test de Synthetics
+## Cree una supervisión en Synthetic Monitoring test
Para crear un [test de API de Synthetics][3] con `http://example.com/`, consulta [Crear un test de API simple][4].
@@ -37,7 +40,7 @@ Al hacer clic en **Test URL** (Probar URL), se rellenan las aserciones sobre el
{{< img src="synthetics/guide/uptime_slo/slo_target.png" alt="Objetivo del SLO" >}}
-4. Introduce un nombre, un mensaje y las etiquetas para detallar más el SLO.
+4. Introduce un nombre, un mensaje y las etiquetas (tags) para detallar más el SLO.
{{< img src="synthetics/guide/uptime_slo/slo_notif.png" alt="Notificación del SLO" >}}
diff --git a/content/es/tests/correlate_logs_and_tests/_index.md b/content/es/tests/correlate_logs_and_tests/_index.md
index de8f9cda263a5..034e9e4883b5e 100644
--- a/content/es/tests/correlate_logs_and_tests/_index.md
+++ b/content/es/tests/correlate_logs_and_tests/_index.md
@@ -11,8 +11,7 @@ title: Correlacionar logs y tests
Puedes correlacionar los datos de Test Optimization con [logs inyectados en Datadog][1], lo que te permite ver y analizar logs para casos de tests específicos.
-{{< img src="continuous_integration/correlate_logs_and_tests.png"
- alt="Examinar logs para casos de tests específicos con la correlación de logs y tests." style="width:90%" >}}
+{{< img src="continuous_integration/correlate_logs_and_tests.png" alt="Examinar logs para casos de tests específicos con la correlación de logs y tests." style="width:90%" >}}
## Configuración
diff --git a/content/es/tracing/dynamic_instrumentation/_index.md b/content/es/tracing/dynamic_instrumentation/_index.md
new file mode 100644
index 0000000000000..a0b14fe3cc774
--- /dev/null
+++ b/content/es/tracing/dynamic_instrumentation/_index.md
@@ -0,0 +1,240 @@
+---
+aliases:
+- /es/dynamic_instrumentation/how-it-works/
+- /es/dynamic_instrumentation/
+further_reading:
+- link: /dynamic_instrumentation/expression-language/
+ tag: Documentación
+ text: Más información sobre el lenguaje de expresión de Dynamic Instrumentation
+- link: dynamic_instrumentation/sensitive-data-scrubbing/
+ tag: Documentación
+ text: Eliminación de información confidencial de los datos de Dynamic Instrumentation
+- link: /tracing/trace_collection/dd_libraries
+ tag: Documentación
+ text: Más información sobre cómo instrumentar tu aplicación
+- link: /getting_started/tagging/unified_service_tagging/
+ tag: Documentación
+ text: Etiquetado de servicios unificado
+- link: /tracing/software_catalog/
+ tag: Documentación
+ text: Descubrir y catalogar los servicios que informan a Datadog
+- link: /metrics
+ tag: Documentación
+ text: Más información sobre métricas
+- link: https://www.datadoghq.com/blog/dynamic-instrumentation-application-logging/
+ tag: Blog
+ text: Utilizar Datadog Dynamic Instrumentation para añadir logs de aplicación sin
+ volver a desplegarlos
+is_beta: false
+private: false
+title: Instrumentación dinámica
+---
+
+{{% site-region region="gov" %}}
+
+ Dynamic Instrumentation no es compatible con el sitioDatadog seleccionado ({{< region-param key="dd_site_name" >}}), ya que requiere que la configuración remota esté activada.
+
+{{% /site-region %}}
+
+## Resumen
+
+Dynamic Instrumentation le permite añadir instrumentación en sus sistemas de producción en ejecución sin necesidad de reiniciar y en cualquier ubicación del código de su aplicación, incluyendo librerías de terceros. Puede añadir o modificar telemetría para logs, métricas, spans, y el etiquetado correspondiente, desde la interfaz de usuario de Datadog. Dynamic Instrumentation tiene una baja sobrecarga y no tiene efectos secundarios en su sistema.
+
+Si estás interesado en probar las últimas mejoras de la experiencia de usuario para Dynamic Instrumentation, considera la posibilidad de participar en la [Vista previa de autocompletar y búsqueda][17].
+
+## Introducción
+
+### Requisitos previos
+
+Dynamic Instrumentation requiere lo siguiente:
+
+- [Datadog Agent][1] 7.45.0 o superior esté instalado junto a su servicio.
+- [Configuración remota][2] esté habilitada en ese Agent.
+- Para aplicaciones Java, la biblioteca de seguimiento [`dd-trace (traza)-java`][3] 1.34.0 o superior.
+- Para aplicaciones Python, la biblioteca de seguimiento [`dd-trace (traza)-py`][4] 2.2.0 o superior.
+- Para aplicaciones .NET, biblioteca de seguimiento [`dd-trace (traza)-dotnet`][5] 2.54.0 o superior.
+- (Vista previa limitada) Para aplicaciones Node.js, biblioteca de seguimiento [`dd-trace (traza)-js`][18] 5.39.0 o superior.
+- (Vista previa limitada) Para aplicaciones Ruby, biblioteca de seguimiento [`dd-trace (traza)-rb`][19] 2.9.0 o superior.
+- (Vista previa limitada) Para aplicaciones PHP, biblioteca de seguimiento [`dd-trace (traza)-php`][20] 1.5.0 o superior.
+- Las etiquetas [Unified Service Tagging][6] `service`, `env`, y `version` se aplican a su implementación.
+- Recomendado, [autocompletar y buscar (en Vista previa)][17] está activado.
+- Recomendado, [source (fuente) Integración de código][7] está configurado para su servicio.
+- Se requiere el permiso **Dynamic Instrumentation Read Configuration** (`debugger_read`) para acceder a la página Dynamic Instrumentation. Page ( página)
+- El permiso **Dynamic Instrumentation Escribir Configuración** (`debugger_write`) es necesario para crear o modificar instrumentaciones.
+- El permiso **Dynamic Instrumentation Capturar Variables** (`debugger_capture_variables`) es necesario para utilizar la opción **Capturar parámetros de métodos y variables locales**.
+
+ Para más información sobre roles y sobre cómo asignar roles a los usuarios, consulta [Control de acceso basado en roles][8].
+
+### Crear un índice logs
+
+Dynamic Instrumentation crea " logs dinámicos" que se envían a Datadog y aparecen junto a los de su aplicación habitual logs.
+
+Si utiliza [Filtros de exclusión][9], asegúrese de que Dynamic Instrumentation log s no se filtren:
+
+1. Cree un índice logs y [configúrelo][10] con la retención deseada con **sin muestreo**.
+2. 2. Configure el filtro para que coincida con la etiqueta `source (fuente):dd_debugger`. Todos los Dynamic Instrumentation log s tienen esta source (fuente).
+3. Asegúrese de que el nuevo índice tiene prioridad sobre cualquier otro con filtros que coincidan con esa etiqueta, porque la primera coincidencia gana.
+
+### Habilitar Dynamic Instrumentation
+
+Para habilitar Dynamic Instrumentation en un servicio, vaya a [in-app setup Page ( página)][16].
+
+Para obtener instrucciones más detalladas, seleccione su tiempo de ejecución a continuación:
+
+{{< partial name="dynamic_instrumentation/dynamic-instrumentation-languages.html" >}}
+
+
+### Limitaciones
+
+- Dynamic Instrumentation aún no es compatible con Azure App Services o entornos sin servidor.
+- La compatibilidad total solo está disponible para aplicaciones creadas con Python, Java y .NET.
+- Existen vistas previas limitadas para aplicaciones creadas con Node.js, Ruby y PHP.
+- La biblioteca de seguimiento de Java no es compatible con las coroutines de Kotlin.
+
+## Explorar Dynamic Instrumentation
+
+Dynamic Instrumentation puede ayudarte a entender lo que tu aplicación está haciendo en tiempo de ejecución. Al añadir una sonda Dynamic Instrumentation estás exportando datos adicionales de tu aplicación, sin necesidad de cambiar el código o volver a desplegarlo.
+
+### Uso de sondas
+
+Una sonda te permite recoger datos de puntos específicos de tu código sin detener la ejecución del programa.
+
+Piense en el uso de sondas como una mejora de su capacidad de observación mediante la adición de logs dinámicas, métricas y periodos a una aplicación en ejecución sin necesidad de cambiar el código, desplegarlo o reiniciar un servicio. Puede recopilar datos inmediatamente sin perturbar la experiencia del usuario ni requerir despliegues prolongados.
+
+Como desarrollador, también puede pensar en una sonda como un "punto de interrupción sin ruptura". En la depuración tradicional, un punto de interrupción es un punto del programa en el que se detiene la ejecución, lo que permite al desarrollador inspeccionar el estado del programa en ese punto. Sin embargo, en entornos de producción reales, no es práctico ni posible detener la ejecución del programa. Las sondas llenan este vacío permitiendo inspeccionar el estado de las variables en entornos de producción de forma no intrusiva.
+
+### Creación de una sonda
+
+Todos los tipos de sonda requieren la misma configuración inicial:
+
+1. Vaya a [Dynamic Instrumentation Page ( página) ][12].
+1. Haga clic en **Crear sonda** en la parte superior derecha, o haga clic en el menú de tres puntos en un servicio y seleccione **Añadir una sonda para este servicio**.
+1. Si no están rellenados previamente, elija el servicio, el tiempo de ejecución, el entorno y la versión.
+1. En el código source (fuente), especifique dónde establecer la sonda seleccionando una clase y un método o un archivo y una línea de source (fuente). Si has optado por [autocompletar y buscar Vista previa][17], autocompletar muestra sugerencias para seleccionar una clase o un método.
+
+Consulte los tipos de sonda individuales a continuación para ver los pasos de creación específicos para cada tipo de sonda.
+
+También puede crear una sonda desde estos otros contextos:
+
+Perfiles
+: En un gráfico de llama del perfilador, puede crear una sonda para un método seleccionando **Instrumentar este marco con una sonda** en el menú contextual del marco.
+
+Error Tracking
+: En una pila trace (traza), sitúe el ratón sobre un marco de pila y haga clic en **Instrumentar**. Esto rellena previamente el formulario de creación de sonda con el contexto de la Emisión.
+
+
+### Creación de sondas log
+
+Una * sondalog * emite un log cuando se ejecuta.
+
+Para crear una sonda log:
+
+1. Selecciona **log** como tipo de sonda.
+1. Complete la [configuración genérica de la sonda](#creating-a-probe) (elija el servicio, el entorno, la versión y la ubicación de la sonda).
+1. Define una plantilla de mensaje log. Puede utilizar el lenguaje de expresión Dynamic Instrumentation para referenciar valores del contexto de ejecución.
+1. (En Preview) Opcionalmente habilita la captura de datos extra de la sonda.
+1. Opcionalmente, define una condición utilizando el lenguaje de expresión Dynamic Instrumentation. El mensaje log se emite cuando la expresión se evalúa como verdadera.
+
+log Las sondas se activan por defecto en todas las instancias de servicio que coincidan con el entorno y la versión especificados. Su velocidad de ejecución está limitada a un máximo de 5000 veces por segundo, en cada instancia de su servicio.
+
+Debe establecer una plantilla de mensaje log en cada sonda log. La plantilla admite la inclusión de [expresiones][15] entre llaves. Por ejemplo: `User {user.id} purchased {count(products)} products`.
+
+También puede establecer una condición en una sonda log utilizando el [lenguaje de expresiones][15]. La expresión debe evaluarse como booleana. La sonda se ejecuta si la expresión es verdadera, y no captura ni emite ningún dato si la expresión es falsa.
+
+{{< img src="dynamic_instrumentation/log_probe.png" alt="Creating a Dynamic Instrumentation log probe" >}}
+
+(En vista previa) Si activa **Capturar parámetros de método y variables locales** en la sonda log, todo el contexto de ejecución se añade al evento log:
+ - **argumentos de método**, **variables locales** y **campos**, con los siguientes límites predeterminados:
+ - Seguir referencias a tres niveles de profundidad (configurable en la UI).
+ - Los 100 primeros elementos dentro de colecciones.
+ - Los primeros 255 caracteres para valores de cadena.
+ - 20 campos dentro de objetos. Los campos estáticos no se recogen.
+ - Llamada a **pila trace (traza)**.
+ - **excepciones capturadas y no capturadas**.
+
+Las sondas con esta opción activada están limitadas a un acierto por segundo.
+
+Advertencia: Los datos capturados pueden contener información sensible, incluyendo datos personales, contraseñas y secretos como claves AWS.
Para garantizar que esta información se redacta correctamente:
-
+
- Datadog Dynamic Instrumentation emplea varias técnicas para redactar la información sensible. Para obtener más información sobre los mecanismos predeterminados o sobre cómo ampliarlos para satisfacer sus necesidades, lea Depuración de datos confidenciales. +
- Desactive la opción Capturar parámetros de método y variables locales y seleccione explícitamente las variables que desea incluir en la plantilla de mensaje log. Hacer esto garantiza que las sondas de log contengan sólo datos relacionados con las variables que identifiques específicamente, reduciendo así el riesgo de fugas involuntarias de datos sensibles. +
- Si eres el administrador de tu cuenta Datadog y quieres evitar que otros usuarios puedan utilizar la opción Capturar parámetros de método y variables locales, puedes revocarles el permiso Dynamic Instrumentation Capturar variables
(debugger_capture_variables).
Alternativamente, si necesita log estos datos pero desea mitigar el riesgo asociado a que sean accesibles en el producto Datadog, puede limitar qué usuarios de su organización pueden ver los datos capturados configurando una consulta de Restricción en source (fuente):dd_debugger.
Nota: En esta página se describe el uso de OpenTracing para la instrumentación personalizada de aplicaciones. OpenTracing está obsoleto. Los conceptos presentados aquí todavía se aplican, pero, en su lugar, sigue las instrucciones y ejemplos de Instrumentación personalizada con OpenTelemetry para tu idioma.
-Para proporcionarte una visibilidad profunda de tu lógica de negocio, la APM de Datadog te permite personalizar los tramos (spans) que componen tus rastreos en función de tus necesidades e implementación. Esto te permite rastrear cualquier método de tu código base e incluso componentes específicos dentro de los métodos. Puedes utilizar esto para optimizar y monitorizar áreas críticas de tu aplicación en la granularidad que funcione para ti.
+Para proporcionarte una visibilidad profunda de tu lógica de negocio, la APM de Datadog te permite personalizar los tramos (spans) que componen tus trazas en función de tus necesidades e implementación. Esto te permite rastrear cualquier método de tu código base e incluso componentes específicos dentro de los métodos. Puedes utilizar esto para optimizar y monitorizar áreas críticas de tu aplicación en la granularidad que funcione para ti.
-Datadog instrumenta muchos marcos no incluidos, como servicios web, bases de datos y cachés y te permite instrumentar tu propia lógica de negocio para tener la visibilidad exacta que necesitas. Mediante la creación de tramos para los métodos, puedes optimizar el tiempo y realizar un rastreo de los errores utilizando la gráfica de llamas y las monitorizaciones APM.
+Datadog instrumenta muchos marcos predefinidos, como servicios web, bases de datos y cachés y te permite instrumentar tu propia lógica de negocio para tener la visibilidad exacta que necesitas. Mediante la creación de tramos para los métodos, puedes optimizar el tiempo y rastrear errores utilizando la gráfica de llamas y las monitorizaciones de APM.
-## Instrumentación de tu código
+## Instrumentar tu código
-**Follow the example to get your code instrumented** (Seguir el ejemplo para instrumentar el código).
+**Follow the example to get your code instrumented** (Seguir el ejemplo para instrumentar tu código).
-En estos ejemplos se rastrea todo el método `BackupLedger.write` para medir su tiempo de ejecución y su estado.`BackupLedger.write` es una acción que guarda en la memoria el estado actual de un libro de contabilidad de transacciones antes de hacer una llamada a una base de datos de pagos para contabilizar un nuevo cargo de un cliente. Esto sucede cuando se accede al endpoint `charge` del servicio de pagos:
+En estos ejemplos se explica el rastreo de todo el método `BackupLedger.write` para medir su tiempo y estado de ejecución.`BackupLedger.write` es una acción que guarda en la memoria el estado actual de un libro de contabilidad de transacciones antes de hacer una llamada a una base de datos de pagos para contabilizar un nuevo cargo de un cliente. Esto sucede cuando se accede al endpoint `charge` del servicio de pagos:
{{< img src="tracing/guide/custom_span/custom_span_2_cropped.png" alt="Vista de análisis" style="width:90%;">}}
-El tramo `http.request POST /charge/` está tardando mucho sin tener ningún tramo secundario directo. Esta es una pista de que esta solicitud requiere más instrumentación para conocer mejor su comportamiento. Según el lenguaje de programación que utilices, deberás decorar tus funciones de forma diferente:
+El tramo `http.request POST /charge/` está tardando mucho sin tener ningún tramo secundario directo. Esta es una pista de que esta solicitud requiere más instrumentación para conocer mejor su comportamiento. Según el lenguaje de programación que utilices, decora tus funciones de forma diferente:
{{< programming-lang-wrapper langs="java,python,ruby,go,nodejs,.NET,php" >}}
{{< programming-lang lang="java" >}}
-En Java, la APM Datadog te permite Instrumentar tu código para generar tramos personalizados, ya sea utilizando decoradores de métodos o instrumentando bloques de código específicos.
+En Java, la APM Datadog te permite instrumentar tu código para generar tramos personalizados, ya sea utilizando decoradores de métodos o instrumentando bloques de código específicos.
**Instument a method with a decorator** (Instrumentar un método con un decorador):
@@ -49,7 +50,7 @@ import datadog.trace.api.Trace
public class BackupLedger {
- // Use @Trace annotation to trace custom methods
+ // Utiliza la anotación @Trace para rastrear métodos personalizados
@Trace
public void write(ListLa recopilación de métricas de JMX no es compatible con los entornos AWS Lambda.
+
+{{% /tab %}}
+
+{{% tab "Python" %}}
+
+ - **Activado por defecto**: No
+ - **Versión de la biblioteca**: 0.30.0 o posterior
+ - **Nivel de compatibilidad**: Vista previa
+ - **Tiempos de ejecución**: Todas las versiones de Python compatibles
+
+{{% /tab %}}
+
+{{% tab "Ruby" %}}
+
+ - **Activado por defecto**: No
+ - **Versión de la biblioteca**: 0.44.0 o posterior
+ - **Tiempos de ejecución**: Todas las versiones de Ruby compatibles
+
+
+Debes añadir la gema dogstatsd-ruby a tu aplicación.
+
+{{% /tab %}}
+
+{{% tab "Go" %}}
+
+ - **Activado por defecto**: No
+ - **Versión de la biblioteca**: 1.18.0 o posterior
+ - **Tiempos de ejecución**: Todas las versiones de Go compatibles
+
+{{% /tab %}}
+
+{{% tab "Node.js" %}}
+
+ - **Activado por defecto**: No
+ - **Versión de la biblioteca**: 3.0.0 o posterior
+ - **Tiempos de ejecución**: Todas las versiones de Node.js compatibles
+
+{{% /tab %}}
+
+{{% tab ".NET" %}}
+
+ - **Activado por defecto**: No
+ - **Versión de la biblioteca**: 1.23.0 o posterior
+ - **Tiempos de ejecución**: .NET Framework 4.6.1 o posterior y .NET Core 3.1 o posterior (incluyendo .NET 5 y posteriores).
+
+#### Permisos para Internet Information Services (IIS)
+
+En .NET Framework, las métricas se recopilan mediante contadores de rendimiento. Los usuarios en sesiones de inicio de sesión no interactivas (que incluyen cuentas de grupos de aplicaciones IIS y algunas cuentas de servicio) deben añadirse al grupo **Usuarios de monitorización de rendimiento** para acceder a los datos del contador.
+
+Los grupos de aplicaciones IIS utilizan cuentas especiales que no aparecen en lista de usuarios. Para añadirlas al grupo de usuarios de monitorización de rendimiento, busca `IIS APPPOOL\No se admiten métricas en tiempo de ejecución para PHP.
+
+{{% /tab %}}
+{{% tab "C++" %}}
+
+No se admiten métricas en tiempo de ejecución para C++.
+
+{{% /tab %}}
+{{< /tabs >}}
+
+## Instrucciones de instalación
+
+Para configurar las métricas en tiempo de ejecución, debes configurar tanto el Datadog Agent como tu aplicación.
+
+### 1. Configurar el Datadog Agent
+
+Habilita [DogStatsD para el Agent][2]. Por defecto, el Datadog Agent está configurado para ingerir métricas con UDP a través del puerto `8125`.
+
+{{% collapse-content title="Configuración específica de contenedor" level="h4" expanded=false %}}
+
+Cuando el Agent se ejecuta en entornos de contenedores, es necesaria una configuración adicional:
+
+1. Define `dogstatsd_non_local_traffic: true` en tu [archivo de configuración principal`datadog.yaml`][8], o define la [variable de entorno][3] `DD_DOGSTATSD_NON_LOCAL_TRAFFIC=true`.
+2. Sigue estas instrucciones de configuración específica de contenedor:
+
+{{< partial name="apm/apm-runtime-metrics-containers.html" >}}
+
++ +{{< site-region region="us3,us5,eu,gov,ap1,ap2" >}} + +3. Define `DD_SITE` en el Datadog Agent como {{< region-param key="dd_site" code="true" >}} para asegurarte de que el Agent envía los datos a la localización Datadog correcta. + +{{< /site-region >}} + +{{% /collapse-content %}} + +### 2. Configurar la aplicación + +Configura las métricas de tiempo de ejecución en tu aplicación utilizando variables de entorno. Algunos lenguajes también permiten configurar métricas de tiempo de ejecución [directamente en el código](#code-based-configuration). + +#### Variables de entorno + +Utiliza las siguientes variables de entorno para configurar métricas de tiempo de ejecución en tu aplicación: + +`DD_RUNTIME_METRICS_ENABLED` +: **Por defecto**: `true` para Java, `false` para todos los demás lenguajes
+**Descripción**: Activa la recopilación de métricas de tiempo de ejecución. Las métricas se envían al Datadog Agent, según lo configurado para la aplicación instrumentada. + +`DD_RUNTIME_METRICS_RUNTIME_ID_ENABLED` +: **Por defecto**: `true` para Java, `false` para Node.js, Ruby y Python. No existe para .NET y Go. Siempre se indica `runtime_id`.
+**Descripción**: Habilita métricas en tiempo de ejecución mejoradas, proporcionando una etiqueta (tag) `runtime_id` junto con cada métrica. `runtime_id` representa el identificador de procesos de la aplicación y te permite correlacionar directamente las métricas de tiempo de ejecución con aplicaciones individuales en ejecución. + +`DD_AGENT_HOST` +: **Por defecto**: `localhost`
+**Descripción**: Define la dirección del host para el envío de métricas de la biblioteca de rastreo. Puede ser un nombre de host o una dirección IP. + +`DD_DOGSTATSD_PORT` +: **Por defecto**: `8125`
+**Descripción**: Define el puerto para el envío de métricas de la biblioteca de rastreo. + +#### Configuración basada en códigos + +Además de las variables de entorno, algunos lenguajes permiten configurar métricas de tiempo de ejecución directamente en el código. + +{{< tabs >}} +{{% tab "Java" %}} + +Sólo puedes activar las métricas de tiempo de ejecución con [variables de entorno](#environment-variables). + +Sin embargo, puedes ampliar las métricas recopiladas añadiendo métricas JMX personalizadas. Para obtener más información, consulta la documentación de la [integración JMX][100]. + +[100]: /es/integrations/java/ +{{% /tab %}} + +{{% tab "Python" %}} + +Puedes activar las métricas de tiempo de ejecución con [variables de entorno](#environment-variables) o en código: + +```python +from ddtrace.runtime import RuntimeMetrics +RuntimeMetrics.enable() +``` + +
Esto sólo se aplica si no estás utilizando
+{{% /tab %}}
+
+{{% tab "Ruby" %}}
+
+Puedes activar las métricas de tiempo de ejecución con [variables de entorno](#environment-variables) o en código:
+
+```ruby
+# config/initializers/datadog.rb
+require 'datadog/statsd'
+require 'datadog' # Use 'ddtrace' if you're using v1.x
+
+Datadog.configure do |c|
+ c.runtime_metrics.enabled = true
+
+ # Optionally, you can configure the DogStatsD instance used for sending runtime metrics.
+ # DogStatsD is automatically configured with default settings if `dogstatsd-ruby` is available.
+ # You can configure with host and port of Datadog agent; defaults to 'localhost:8125'.
+ c.runtime_metrics.statsd = Datadog::Statsd.new
+end
+```
+{{% /tab %}}
+
+{{% tab "Go" %}}
+
+Puedes activar las métricas de tiempo de ejecución con [variables de entorno](#environment-variables) o en código:
+
+```go
+// Basic configuration
+tracer.Start(tracer.WithRuntimeMetrics())
+
+// With custom DogStatsD address
+tracer.Start(
+ tracer.WithRuntimeMetrics(),
+ tracer.WithDogstatsdAddr("custom-host:8125")
+)
+```
+
+La opción `WithDogstatsdAddr` te permite especificar una dirección personalizada para el servidor DogStatsD. Utiliza la opción [`WithDogstatsdAddr`][101] (o [`WithDogstatsdAddress` v1][100]), si tu dirección difiere de la predeterminada `localhost:8125`. (Disponible para la v1.18.0 o posterior)
+
+[100]: https://pkg.go.dev/gopkg.in/DataDog/dd-trace-go.v1/ddtrace/tracer#WithDogstatsdAddress
+[101]: https://pkg.go.dev/github.com/DataDog/dd-trace-go/v2/ddtrace/tracer#WithDogstatsdAddr
+{{% /tab %}}
+
+{{% tab "Node.js" %}}
+
+Puedes activar las métricas de tiempo de ejecución con [variables de entorno](#environment-variables) o en código:
+
+```js
+const tracer = require('dd-trace').init({
+ // Other tracer options...
+ runtimeMetrics: true
+})
+```
+{{% /tab %}}
+
+{{% tab ".NET" %}}
+
+Sólo puedes activar las métricas de tiempo de ejecución con [variables de entorno](#environment-variables).
+
+{{% /tab %}}
+{{< /tabs >}}
+
+## Dashboards
+
+Una vez finalizada la configuración, puedes ver las métricas de tiempo de ejecución en:
+
+- Página con información del servicio instrumentado
+- Pestaña **Métricas** del gráfico de llama
+- Dashboards de tiempo de ejecución por defecto
+
+{{< img src="tracing/runtime_metrics/jvm_runtime_trace.png" alt="Traza de tiempo de ejecución de JVM" >}}
+
+## Solucionar problemas
+- Para asociar métricas de tiempo de ejecución dentro de los gráficos de llama, asegúrate de que la etiqueta `env` (que distingue entre mayúsculas y minúsculas) está configurada y coincide en todo tu entorno.
+- Para que las métricas de tiempo de ejecución aparezcan en la página del servicio al utilizar Fargate, asegúrate de que `DD_DOGSTATSD_TAGS` está configurado en la tarea de tu Agent y que la etiqueta `env` configurada coincide con la `env` del servicio instrumentado.
+
+## Datos recopilados
+
+Cada lenguaje compatible recopila un conjunto de métricas de tiempo de ejecución que proporcionan información sobre el uso de la memoria, la recolección de basura, el uso de la CPU y otros indicadores de rendimiento.
+
+{{< tabs >}}
+{{< tab "Java" >}}
+{{< get-metrics-from-git "java" >}}
+{{< /tab >}}
+
+{{< tab "Python" >}}
+{{< get-metrics-from-git "python" >}}
+{{< /tab >}}
+
+{{< tab "Ruby" >}}
+{{< get-metrics-from-git "ruby" >}}
+{{< /tab >}}
+
+{{< tab "Go" >}}
+{{< get-metrics-from-git "go" >}}
+{{< /tab >}}
+
+{{< tab "Node.js" >}}
+{{< get-metrics-from-git "node" >}}
+{{< /tab >}}
+
+{{< tab ".NET" >}}
+{{< get-metrics-from-git "dotnet" >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+## Referencias adicionales
+
+{{< partial name="whats-next/whats-next.html" >}}
+
+[2]: /es/developers/dogstatsd/#setup
+[3]: /es/agent/docker/#dogstatsd-custom-metrics
+[7]: /es/developers/dogstatsd/unix_socket/
+[8]: /es/agent/configuration/agent-configuration-files/#main-configuration-file
\ No newline at end of file
diff --git a/content/es/tracing/services/deployment_tracking.md b/content/es/tracing/services/deployment_tracking.md
index 3e1245a9517a5..ae6413abf9912 100644
--- a/content/es/tracing/services/deployment_tracking.md
+++ b/content/es/tracing/services/deployment_tracking.md
@@ -8,13 +8,13 @@ further_reading:
- link: getting_started/tagging/unified_service_tagging/
tag: Documentación
text: Más información sobre el etiquetado de servicios unificado y las etiquetas
- (tags) reservadas
+ reservadas
- link: tracing/app_analytics
tag: Documentación
text: Utiliza la versión como una dimensión en tus consultas a App Analytics
title: Rastreo de despliegue
---
-## La etiqueta de versión
+## La etiqueta "version" (versión)
La etiqueta `version` está reservada dentro del etiquetado de servicios unificado. Se aplica a métricas de infraestructura (host, contenedor, proceso, y checks de NPM), métricas de traza ( trace), trazas (traces), perfiles y logs.
@@ -53,10 +53,10 @@ Un servicio configurado con etiquetas `version` tiene una sección de versión e
Por defecto, verás:
- Los nombres de las versiones desplegadas para este servicio a lo largo del tiempo.
-- Las horas a las que trazas que corresponden a esta versión fueron vistas por primera y última vez.
+- Las horas a las que las trazas que corresponden a esta versión fueron vistas por primera y última vez.
- Un indicador de Error Types (Tipos de error), que muestra cuántos tipos de error aparecen en cada versión que no aparecían en la versión inmediatamente anterior.
- > **Nota:** Este indicador muestra errores que no se veían en trazas de la versión anterior. No significa que esta versión haya introducido necesariamente estos errores. Buscar nuevos tipos de error puede ser una buena forma de empezar a investigar errores.
+ > **Nota:** Este indicador muestra errores que no se veían en trazas de la versión anterior. No significa que esta versión haya introducido necesariamente estos errores. Buscar nuevos tipos de error puede ser una buena forma de empezar a investigar errores.
- Solicitudes por segundo.
- Porcentaje de errores sobre el total de solicitudes.
@@ -70,11 +70,11 @@ Puedes añadir o eliminar columnas de este cuadro y tus selecciones se guardará
- Número total de errores.
- Latencia medida por p50, p75, p90, p95, p99 o máx.
-{{< img src="tracing/deployment_tracking/VersionComparison.png" alt="Versiones en la Página de servicios" style="width:100%;">}}
+{{< img src="tracing/deployment_tracking/VersionComparison.png" alt="Versiones en la página de servicios" style="width:100%;">}}
**Nota:** La sección de versiones solo aparece si hay más de una versión informando durante el intervalo de tiempo seleccionado en la parte superior de la página.
-## Comparación del despliegue
+## Comparación de despliegues
Haz clic en cualquier fila de la tabla de resumen de versiones para abrir una página de comparación de versiones, que te permitirá comparar dos versiones del mismo servicio. Por defecto, la versión seleccionada se comparará con la versión inmediatamente anterior, pero puedes cambiar esto para comparar dos versiones cualesquiera de los últimos 30 días.
@@ -222,13 +222,13 @@ Tiempo = 30
: `{service: foo, env: staging, cluster-name: us-staging, version: Y}`
Tiempo = 45
-: `{service: foo, env: dev-shopist, cluster-name: us-staging, version: Y}`
+: `{service: foo, env: staging, cluster-name: dev-shopist, version: Y}`
Tiempo máximo entre despliegues:
: `max:datadog.service.time_between_deployments{env: staging, cluster-name: *} = 25`
-## Leer más
+## Referencias adicionales
{{< partial name="whats-next/whats-next.html" >}}
diff --git a/content/fr/agent/_index.md b/content/fr/agent/_index.md
index c6445e3ab20df..60bae0815d2d2 100644
--- a/content/fr/agent/_index.md
+++ b/content/fr/agent/_index.md
@@ -6,13 +6,13 @@ aliases:
- /fr/agent/faq/the-datadog-agent-for-logs-or-traces-only
cascade:
- _target:
- path: /agent/basic_agent_usage/chef
lang: fr
+ path: /agent/basic_agent_usage/chef
tags:
- uninstall
- _target:
- path: /infrastructure/**/*
lang: fr
+ path: /infrastructure/**/*
algolia:
rank: 80
tags:
@@ -41,7 +41,7 @@ title: Agent
L'Agent v7 est disponible. Passez à la dernière version pour profiter des nouvelles fonctionnalités.
ddtrace-runL'Operator Datadog est disponible pour le grand public depuis la version `1.0.0`, il prend en charge la version `v2alpha1` du `DatadogAgent` .
-
-[L'Operator Datadog][1] est une fonctionnalité permettant de déployer l'Agent Datadog sur Kubernetes et OpenShift. L'Operator transmet des données sur le statut, la santé et les erreurs du déploiement dans le statut de sa ressource personnalisée. Ses paramètres de niveau supérieur permettent également de réduire les erreurs de configuration.
+## Installation
-## Prérequis
+Aidez-vous de la page [Installation sur Kubernetes][16] dans Datadog pour vous guider tout au long du processus d'installation.
-L'utilisation de l'Operator Datadog nécessite les prérequis suivants :
+1. **Sélectionner la méthode d'installation**
-- **Cluster Kubernetes version >= v1.20.X** : les tests ont été réalisés sur les versions >= `1.20.0`. Néanmoins, les versions `>= v1.11.0` devraient également fonctionner. Pour les versions plus anciennes, en raison de la prise en charge limitée de la CRD, il se peut que l'Operator ne fonctionne pas comme prévu.
-- [`Helm`][2] pour le déploiement de `datadog-operator`.
-- [Interface de ligne de commande `Kubectl`][3] pour l'installation de `datadog-agent`.
+ Choisissez l'une des méthodes d'installation suivantes :
-## Déployer un Agent avec l'Operator
+ - [Datadog Operator][9] (recommandé) : un [operator][10] Kubernetes que vous pouvez utiliser pour déployer l'Agent Datadog sur Kubernetes et OpenShift. Il indique l'état du déploiement, la santé et les erreurs dans le statut de sa Custom Resource, et réduit le risque de mauvaise configuration grâce à des options de configuration de plus haut niveau.
+ - [Helm][11]
+ - Installation manuelle. Consultez la rubrique [Manually install and configure the Datadog Agent with a DaemonSet][12] (en anglais)
-Pour déployer l'Agent Datadog avec l'Operator le plus rapidement possible, consultez le chart Helm [`datadog-operator`][4]. Voici la marche à suivre :
+{{< tabs >}}
+{{% tab "Operator Datadog" %}}
+Nécessite Helm et le CLI kubectl.
-1. Installez l'[Operator Datadog][5] :
+2. **Installer l'Operator Datadog**
+ Pour installer l'Operator Datadog dans votre espace de nommage actuel, exécutez :
```shell
helm repo add datadog https://helm.datadoghq.com
- helm install my-datadog-operator datadog/datadog-operator
+ helm install datadog-operator datadog/datadog-operator
+ kubectl create secret generic datadog-secret --from-literal api-key=Requires Helm.
-Pour installer le chart avec un nom de version `
+ For Windows, append
-Si Google Container Registry ([gcr.io/datadoghq][8]) n'est pas accessible dans votre région de déploiement, utilisez un autre registre avec la configuration suivante dans le fichier `values.yaml` :
+[1]: https://app.datadoghq.com/organization-settings/api-keys
+[2]: /fr/getting_started/site
-- Pour le registre AWS ECR public ([public.ecr.aws/datadog][9]), utilisez la commande suivante :
+{{% /tab %}}
+{{< /tabs >}}
- ```yaml
- registry: public.ecr.aws/datadog
- ```
+5. **Confirm Agent installation**
-- Pour le registre Docker Hub ([docker.io/datadog][10]), utilisez la commande suivante :
+ Verify that Agent pods (tagged with `app.kubernetes.io/component:agent`) appear on the [Containers][13] page in Datadog. Agent pods are detected within a few minutes of deployment.
- ```yaml
- registry: docker.io/datadog
- ```
+--set targetSystem=windows to the helm install command.
+
-**Remarques** :
+
-- Si vous déployez le chart Datadog dans un environnement AWS, il est conseillé d'utiliser le registre AWS ECR public ([public.ecr.aws/datadog][9]).
+### Unprivileged installation
-### Mise à niveau depuis le chart v1.x
+{{< tabs >}}
+{{% tab "Datadog Operator" %}}
+To run an unprivileged installation, add the following to `datadog-agent.yaml`:
-Le chart Datadog a été réusiné dans la v2.0 afin de regrouper plus logiquement les paramètres du fichier `values.yaml`.
+{{< highlight yaml "hl_lines=13-18" >}}
+apiVersion: datadoghq.com/v2alpha1
+kind: DatadogAgent
+metadata:
+ name: datadog
+spec:
+ global:
+ clusterName: <CLUSTER_NAME> allows you to scope hosts and Cluster Checks. This unique name must be dot-separated tokens and abide by the following restrictions:
+-
+ Must only contain lowercase letters, numbers, and hyphens
+ Must start with a letter
+ Must end with a number or a letter
+ Must be less than or equal to 80 characters
+
Docker Hub is subject to image pull rate limits. If you are not a Docker Hub customer, Datadog recommends that you update your Datadog Agent and Cluster Agent configuration to pull from Google Artifact Registry or Amazon ECR. For instructions, see Changing your container registry.
- **Remarque** : si la variable d'environnement `DD_SITE` n'est pas explicitement définie, sa valeur par défaut correspond au site `US`, à savoir `datadoghq.com`. Si vous utilisez l'un des autres sites (`EU`, `US3` ou `US1-FED`), un message de clé d'API non valide s'affiche. Utilisez le [menu de sélection de site de la documentation][20] pour accéder à la documentation spécifique à votre site.
+{{< tabs >}}
+{{% tab "Datadog Operator" %}}
-6. **Déployez le DaemonSet** avec cette commande :
+To use a different container registry, modify `global.registry` in `datadog-agent.yaml`.
- ```shell
- kubectl apply -f datadog-agent.yaml
- ```
+For example, to use Amazon ECR:
-7. **Vérification** : pour vérifier que l'Agent Datadog s'exécute dans votre environnement en tant que DaemonSet, exécutez ce qui suit :
+{{< highlight yaml "hl_lines=8">}}
+apiVersion: datadoghq.com/v2alpha1
+kind: DatadogAgent
+metadata:
+ name: datadog
+spec:
+ global:
+ clusterName: L'ingestion des métriques historiques n'est pas prise en charge pour le site Datadog sélectionné ({{< region-param key="dd_site_name" >}}).
+{{% /site-region %}}
+
+## Section Overview
+
+Activer l'ingestion des métriques historiques vous permet de collecter des **métriques personnalisées** dont les horodatages sont antérieurs d'une heure à la date de soumission, mais pas au-delà de votre période totale de rétention des métriques (15 mois par défaut).
+
+Activer cette fonctionnalité sur vos métriques peut s'avérer utile dans plusieurs cas : reprise après incident, correction de valeurs erronées, gestion des retards liés à l'IoT, etc.
+
+## Qu'est-ce que l'ingestion des métriques historiques ?
+
+{{< img src="/metrics/custom_metrics/historical_metrics/diagram_historical-metrics-ingestion_1_240202.png" alt="Diagramme illustrant le flux d'ingestion lorsque les métriques historiques sont activées" >}}
+
+Datadog classe comme *métriques historiques* les points de métrique dont les horodatages sont antérieurs d'une heure à leur date de soumission. Si l'ingestion des métriques historiques n'est pas activée, les valeurs de métriques plus anciennes d'une heure ne sont pas ingérées.
+
+Par exemple, votre métrique (`exampleMetricA`) envoie une valeur à Datadog à 13 h 00 (heure de l'Est), avec un horodatage de 10 h 00. Cette valeur est considérée comme _historique_ car son horodatage est antérieur de 3 heures à la date de soumission.
+
+Avec l'ingestion des métriques historiques activée, si vous soumettez plusieurs valeurs avec le même horodatage et les mêmes étiquettes, Datadog conserve la valeur soumise la plus récemment. Autrement dit, si vous soumettez une métrique avec la valeur X, puis avec la valeur Y pour le même horodatage, c'est la valeur soumise en dernier qui est conservée.
+
+Vous pouvez commencer à ingérer des valeurs historiques en activant l'ingestion sur la [page de synthèse des métriques][1], pour les types de métriques *count*, *rate* et *gauge*.
+
+**Remarque** : L'ingestion de mesures historiques n'est pas disponible pour les mesures de distribution ou les mesures personnalisées générées à partir d'autres types de données Datadog (telles que les journaux).
+
+## Configuration
+
+Pour activer l'ingestion des métriques historiques pour une métrique spécifique :
+1. Accédez à la [page de synthèse des métriques][1].
+1. Cliquez sur le nom de la métrique concernée pour ouvrir le panneau latéral de détails.
+1. Dans la section *Advanced* de ce panneau, cliquez sur **Configure**.
+1. Activez l'option **Enable historical metrics** et cliquez sur **Save**.
+
+{{< img src="metrics/custom_metrics/historical_metrics/enable_historical_metrics.png" alt="Page de synthèse des métriques montrant le panneau des facettes et la section Advanced d'un panneau latéral avec l'option activée" style="width:100%;" >}}
+
+### Configuration groupée pour plusieurs métriques
+
+Vous pouvez activer ou désactiver l'ingestion des métriques historiques pour plusieurs métriques en une seule opération, sans avoir à les configurer une par une.
+
+1. Accédez à la [page de synthèse des métriques][1] et cliquez sur le menu déroulant **Configure Metrics**.
+1. Sélectionnez **Enable historical metrics**.
+1. Spécifiez un préfixe d'espace de noms de métriques pour sélectionner toutes les métriques correspondant à cet espace de noms.
+1. (Facultatif) Pour désactiver l'ingestion de métriques historiques pour toutes les métriques de l'espace de noms, cliquez sur le bouton **Historical metrics**.
+
+{{< img src="metrics/custom_metrics/historical_metrics/historical_metrics_ingestion_toggle.png" alt="Bouton d'ingestion des métriques historiques" >}}
+
+## Soumission de données historiques
+
+Après avoir activé l'ingestion de métriques historiques, vous pouvez soumettre des valeurs de métriques avec des horodatages historiques via l'[API](#api) ou via l'[Agent](#agent).
+
+### API
+
+Avec l'API, vous pouvez soumettre des valeurs de métriques avec des horodatages historiques dans la charge utile (à condition que le nom de la métrique ait déjà été activé pour accepter les métriques historiques via l'interface utilisateur décrite ci-dessus).
+
+{{< programming-lang-wrapper langs="python,java,go,ruby,typescript,curl" collapsible="true">}}
+
+{{< programming-lang lang="python">}}
+```python
+"""
+L'envoi de métriques renvoie la réponse « Payload accepted »
+"""
+
+from datetime import datetime
+from datadog_api_client import ApiClient, Configuration
+from datadog_api_client.v2.api.metrics_api import MetricsApi
+from datadog_api_client.v2.model.metric_intake_type import MetricIntakeType
+from datadog_api_client.v2.model.metric_payload import MetricPayload
+from datadog_api_client.v2.model.metric_point import MetricPoint
+from datadog_api_client.v2.model.metric_resource import MetricResource
+from datadog_api_client.v2.model.metric_series import MetricSeries
+
+body = MetricPayload(
+ series=[
+ MetricSeries(
+ metric="system.load.1",
+ type=MetricIntakeType.UNSPECIFIED,
+ points=[
+ MetricPoint(
+
+ """ Ajouter l'hotodatage historique ici """
+ timestamp=int(datetime.now().timestamp()),
+ """ *********************** """
+
+ value=0.7,
+ ),
+ ],
+ resources=[
+ MetricResource(
+ name="dummyhost",
+ type="host",
+ ),
+ ],
+ ),
+ ],
+)
+
+configuration = Configuration()
+with ApiClient(configuration) as api_client:
+ api_instance = MetricsApi(api_client)
+ response = api_instance.submit_metrics(body=body)
+
+ print(response)
+```
+{{< /programming-lang >}}
+
+{{< programming-lang lang="java" >}}
+```java
+// L'envoi de métriques renvoie la réponse « Payload accepted »
+import com.datadog.api.client.ApiClient;
+import com.datadog.api.client.ApiException;
+import com.datadog.api.client.v2.api.MetricsApi;
+import com.datadog.api.client.v2.model.IntakePayloadAccepted;
+import com.datadog.api.client.v2.model.MetricIntakeType;
+import com.datadog.api.client.v2.model.MetricPayload;
+import com.datadog.api.client.v2.model.MetricPoint;
+import com.datadog.api.client.v2.model.MetricResource;
+import com.datadog.api.client.v2.model.MetricSeries;
+import java.time.OffsetDateTime;
+import java.util.Collections;
+
+public class Example {
+ public static void main(String[] args) {
+ ApiClient defaultClient = ApiClient.getDefaultApiClient();
+ MetricsApi apiInstance = new MetricsApi(defaultClient);
+
+ MetricPayload body =
+ new MetricPayload()
+ .series(
+ Collections.singletonList(
+ new MetricSeries()
+ .metric("system.load.1")
+ .type(MetricIntakeType.UNSPECIFIED)
+ .points(
+ Collections.singletonList(
+ new MetricPoint()
+
+ //Add historical timestamp here
+ .timestamp(OffsetDateTime.now().toInstant().getEpochSecond())
+ //***********************
+
+ .value(0.7)))
+ .resources(
+ Collections.singletonList(
+ new MetricResource().name("dummyhost").type("host")))));
+
+ try {
+ IntakePayloadAccepted result = apiInstance.submitMetrics(body);
+ System.out.println(result);
+ } catch (ApiException e) {
+ System.err.println("Exception when calling MetricsApi#submitMetrics");
+ System.err.println("Status code: " + e.getCode());
+ System.err.println("Reason: " + e.getResponseBody());
+ System.err.println("Response headers: " + e.getResponseHeaders());
+ e.printStackTrace();
+ }
+ }
+}
+```
+{{< /programming-lang >}}
+
+{{< programming-lang lang="go" >}}
+```go
+// L'envoi de métriques renvoie la réponse « Payload accepted »
+
+package main
+
+import (
+ "context"
+ "encoding/json"
+ "fmt"
+ "os"
+ "time"
+
+ "github.com/DataDog/datadog-api-client-go/v2/api/datadog"
+ "github.com/DataDog/datadog-api-client-go/v2/api/datadogV2"
+)
+
+func main() {
+ body := datadogV2.MetricPayload{
+ Series: []datadogV2.MetricSeries{
+ {
+ Metric: "system.load.1",
+ Type: datadogV2.METRICINTAKETYPE_UNSPECIFIED.Ptr(),
+ Points: []datadogV2.MetricPoint{
+ {
+ //Add historical timestamp here
+ Timestamp: datadog.PtrInt64(time.Now().Unix()),
+ //***********************
+
+ Value: datadog.PtrFloat64(0.7),
+ },
+ },
+ Resources: []datadogV2.MetricResource{
+ {
+ Name: datadog.PtrString("dummyhost"),
+ Type: datadog.PtrString("host"),
+ },
+ },
+ },
+ },
+ }
+ ctx := datadog.NewDefaultContext(context.Background())
+ configuration := datadog.NewConfiguration()
+ apiClient := datadog.NewAPIClient(configuration)
+ api := datadogV2.NewMetricsApi(apiClient)
+ resp, r, err := api.SubmitMetrics(ctx, body, *datadogV2.NewSubmitMetricsOptionalParameters())
+
+ if err != nil {
+ fmt.Fprintf(os.Stderr, "Error when calling `MetricsApi.SubmitMetrics`: %v\n", err)
+ fmt.Fprintf(os.Stderr, "Full HTTP response: %v\n", r)
+ }
+
+ responseContent, _ := json.MarshalIndent(resp, "", " ")
+ fmt.Fprintf(os.Stdout, "Response from `MetricsApi.SubmitMetrics`:\n%s\n", responseContent)
+}
+```
+{{< /programming-lang >}}
+
+{{< programming-lang lang="ruby" >}}
+```ruby
+# L'envoi de métriques renvoie la réponse « Payload accepted »
+
+require "datadog_api_client"
+api_instance = DatadogAPIClient::V2::MetricsAPI.new
+
+body = DatadogAPIClient::V2::MetricPayload.new({
+ series: [
+ DatadogAPIClient::V2::MetricSeries.new({
+ metric: "system.load.1",
+ type: DatadogAPIClient::V2::MetricIntakeType::UNSPECIFIED,
+ points: [
+ DatadogAPIClient::V2::MetricPoint.new({
+
+ #Add historical timestamp here
+ timestamp: Time.now.to_i,
+ #***********************
+
+ value: 0.7,
+ }),
+ ],
+ resources: [
+ DatadogAPIClient::V2::MetricResource.new({
+ name: "dummyhost",
+ type: "host",
+ }),
+ ],
+ }),
+ ],
+})
+p api_instance.submit_metrics(body)
+```
+{{< /programming-lang >}}
+
+{{< programming-lang lang="typescript" >}}
+```typescript
+/**
+ * L'envoi de métriques renvoie la réponse « Payload accepted »
+ */
+
+import { client, v2 } from "@datadog/datadog-api-client";
+
+const configuration = client.createConfiguration();
+const apiInstance = new v2.MetricsApi(configuration);
+
+const params: v2.MetricsApiSubmitMetricsRequest = {
+ body: {
+ series: [
+ {
+ metric: "system.load.1",
+ type: 0,
+ points: [
+ {
+ //Add historical timestamp here
+ timestamp: Math.round(new Date().getTime() / 1000),
+ //***********************
+
+ value: 0.7,
+ },
+ ],
+ resources: [
+ {
+ name: "dummyhost",
+ type: "host",
+ },
+ ],
+ },
+ ],
+ },
+};
+
+apiInstance
+ .submitMetrics(params)
+ .then((data: v2.IntakePayloadAccepted) => {
+ console.log(
+ "API called successfully. Returned data: " + JSON.stringify(data)
+ );
+ })
+ .catch((error: any) => console.error(error));
+```
+{{< /programming-lang >}}
+
+{{< programming-lang lang="curl" >}}
+```shell
+## Points dynamiques
+# Envoyez des données de séries temporelles pouvant être représentées dans les dashboards de Datadog.
+# Variables de modèle
+export NOW="$(date +%s)"
+# Commande Curl
+curl -X POST "https://api.datadoghq.com/api/v2/series" \
+-H "Accept: application/json" \
+-H "Content-Type: application/json" \
+-H "DD-API-KEY: ${DD_API_KEY}" \
+-d @- << EOF
+{
+ "series": [
+ {
+ "metric": "system.load.1",
+ "type": 0,
+ "points": [
+ {
+ # Ajouter ici un horodatage historique
+ "timestamp": 1636629071,
+ # ***********************
+
+ "value": 0.7
+ }
+ ],
+ "resources": [
+ {
+ "name": "dummyhost",
+ "type": "host"
+ }
+ ]
+ }
+ ]
+}
+EOF
+```
+{{< /programming-lang >}}
+
+{{< /programming-lang-wrapper >}}
+
+### Agent
+
+Pour envoyer des métriques historiques avec l'Agent, assurez-vous d'avoir installé la version 7.40.0 ou ultérieure de l'Agent. Cette version inclut une interface DogStatsD mise à jour, compatible avec **Java**, **GoLang** et **.NET**. Cela vous permet d'envoyer des points de métrique différés via l'Agent.
+
+{{< programming-lang-wrapper langs="java,go,.NET" >}}
+
+{{< programming-lang lang="java" >}}
+```java
+import com.timgroup.statsd.NonBlockingStatsDClientBuilder;
+import com.timgroup.statsd.StatsDClient;
+import java.util.Random;
+
+public class DogStatsdClient {
+
+ public static void main(String[] args) throws Exception {
+
+ StatsDClient Statsd = new NonBlockingStatsDClientBuilder()
+ .prefix("statsd").
+ .hostname("localhost")
+ .port(8125)
+ .build();
+ Statsd.gaugeWithTimestamp("example_metric.gauge_with_timestamp", new Random().nextInt(20), 1205794800, new String[]{"environment:dev"});
+ Statsd.countWithTimestamp("example_metric.count_with_timestamp", new Random().nextInt(20), 1205794800, new String[]{"environment:dev"});
+ }
+}
+```
+{{< /programming-lang >}}
+
+{{< programming-lang lang="go" >}}
+```go
+package main
+
+import (
+ "log"
+ "time"
+
+ "github.com/DataDog/datadog-go/statsd"
+)
+
+func main() {
+ statsd, err := statsd.New("127.0.0.1:8125")
+ if err != nil {
+ log.Fatal(err)
+ }
+
+ ts := time.Date(2008, time.March, 17, 23, 0, 0, 0, time.UTC)
+ statsd.GaugeWithTimestamp("example_metric.gauge_with_timestamp", 12, []string{"environment:dev"}, 1, ts)
+ statsd.CountWithTimestamp("example_metric.count_with_timestamp", 12, []string{"environment:dev"}, 1, ts)
+}
+```
+{{< /programming-lang >}}
+
+{{< programming-lang lang=".NET" >}}
+```csharp
+using StatsdClient;
+
+public class DogStatsdClient
+{
+ public static void Main()
+ {
+ var dogstatsdConfig = new StatsdConfig
+ {
+ StatsdServerName = "127.0.0.1",
+ StatsdPort = 8125,
+ };
+
+ using (var dogStatsdService = new DogStatsdService())
+ {
+ dogStatsdService.Configure(dogstatsdConfig);
+ var random = new Random(0);
+ var dto = new DateTimeOffset(2008, 03, 17, 23, 00, 00, new TimeSpan(0, 0, 0))
+ dogStatsdService.Gauge("example_metric.gauge_with_timestamp", 10, tags: new[] {"environment:dev"}, dto);
+ dogStatsdService.Counter("example_metric.count_with_timestamp", 10, tags: new[] {"environment:dev"}, dto);
+ }
+ }
+}
+```
+{{< /programming-lang >}}
+
+{{< /programming-lang-wrapper >}}
+
+## Latence de l'ingestion des métriques historiques
+
+La latence de l'ingestion des métriques historiques varie selon l'ancienneté des horodatages de vos métriques.
+
+| Délai de la métrique : | Latence d'ingestion |
+|----------------------|-------------------------------------------|
+| 1 à 12 heures | Ingestion en temps quasi réel (1 heure maximum) |
+| 12 heures à 30 jours | Jusqu'à 14 heures de latence |
+| Plus de 30 jours | Plus de 14 heures de latence |
+
+## Facturation de l'ingestion des métriques historiques
+
+Les mesures historiques sont comptabilisées et facturées comme des mesures personnalisées indexées. Les mesures personnalisées facturables sont déterminées par l'**horodatage des mesures soumises**, qu'elles soient datées d'aujourd'hui ou de 15 mois. Tant que cette combinaison de nom de métrique et de valeur de tag rapporte activement **une valeur** (indépendamment de l'horodatage), elle est considérée comme active dans l'heure où elle a été soumise.
+
+L'exemple suivant part du principe que
+- 3000 combinaisons uniques de tags et de valeurs
+- 1500 mesures en temps réel
+- 1500 mesures historiques
+- 720 heures dans le mois (30 jours)
+- Coût des métriques personnalisées : 5 $ pour 100 métriques
+
+$(1500/ 720) ⋅ (5 / 100) + $(1500/ 720) ⋅ (5 / 100) = \\$0.21$
+
+Suivez vos métriques historiques indexées dans la section Usage Summary (Récapitulatif d'utilisation) de la [page Plan and Usage (Abonnement et utilisation)][4].
+
+{{< img src="metrics/custom_metrics/historical_metrics/custom_metrics_usage_summary.png" alt="Section Récapitulatif d'utilisation de la page Plan and Usage, affichant les métriques personnalisées indexées et les métriques historiques indexées" style="width:100%;" >}}
+
+Pour plus d'informations, voir la documentation [Facturation de métriques personnalisées][3].
+
+## Pour aller plus loin
+
+{{< partial name="whats-next/whats-next.html" >}}
+
+[1]: https://app.datadoghq.com/metric/summary
+[2]: /fr/metrics/#submit-metrics
+[3]: /fr/account_management/billing/custom_metrics/
+[4]: https://app.datadoghq.com/billing/usage
\ No newline at end of file
diff --git a/content/fr/tracing/trace_collection/_index.md b/content/fr/tracing/trace_collection/_index.md
new file mode 100644
index 0000000000000..da24d3cd75755
--- /dev/null
+++ b/content/fr/tracing/trace_collection/_index.md
@@ -0,0 +1,95 @@
+---
+aliases:
+- /fr/tracing/setup
+- /fr/tracing/send_traces/
+- /fr/tracing/setup/
+- /fr/tracing/environments/
+- /fr/tracing/setup/environment
+- /fr/tracing/setup/first_class_dimensions
+- /fr/tracing/getting_further/first_class_dimensions/
+- /fr/agent/apm/
+- /fr/tracing/setup_overview/
+- /fr/tracing/trace_collection/library_injection_remote
+description: Débuter avec l'APM Datadog
+further_reading:
+- link: tracing/trace_collection/compatibilité
+ tag: Documentation
+ text: Exigences de compatibilité
+title: Instrumentation de lʼapplication
+---
+
+## Section Overview
+
+Pour commencer avec Datadog APM, suivez les étapes clés suivantes :
+
+1. Installez et configurez l'Agent Datadog.
+2. Instrumentez votre application.
+
+Simplifiez votre configuration ! Installez l'Agent et instrumentez votre application en une seule étape grâce à la Single Step Instrumentation.
+
+L'instrumentation de votre application permet d'envoyer des données d'observabilité à l'Agent, qui les transmet ensuite à l'interface Datadog.
+
+{{< img src="tracing/visualization/troubleshooting_pipeline.png" alt="Le pipeline de l'APM">}}
+
+## Types d'instrumentation
+
+Il existe principalement deux approches pour instrumenter votre application : automatique ou personnalisée {{< tooltip glossary="instrumentation" >}}.
+
+### Instrumentation automatique
+
+Créez des {{< tooltip glossary="span" >}} dans votre application avec un minimum d'étapes manuelles. Pour instrumenter automatiquement votre application, vous pouvez utiliser l'une des options suivantes :
+
+- [L'instrumentation en une seule étape][7] : Exécutez une commande d'installation en une ligne pour installer l'Agent Datadog, activer l'APM et instrumenter tous vos services sur votre host Linux, votre machine virtuelle ou votre conteneur.
+- [Bibliothèques Datadog][8] : Ajoutez les bibliothèques de tracing Datadog à votre application.
+
+Pour en savoir plus, consultez la page [instrumentation automatique][5].
+
+### Instrumentation personnalisée
+
+Capturez les données d'observabilité issues de votre propre code ou de fonctions complexes non prises en charge par l'instrumentation automatique. Pour instrumenter votre application manuellement, vous pouvez utiliser l'une des options suivantes :
+
+- [Bibliothèques Datadog][9] : utilisez les bibliothèques de tracing Datadog pour ajouter et personnaliser la collecte de données dans Datadog.
+- [API OpenTelemetry][10] : Utilisez les API OpenTelemetry prises en charge par les bibliothèques Datadog pour une instrumentation neutre vis-à-vis des fournisseurs.
+
+Pour en savoir plus, consultez la page [instrumentation personnalisée][6].
+
+{{< callout url="https://www.datadoghq.com/product-preview/service-discovery/" btn_hidden="false" header="La découverte de services est disponible en Preview" >}}
+La découverte de services offre une visibilité complète sur l'état actuel de la supervision de vos applications, en mettant en évidence les lacunes majeures ou les traces rompues dans votre système.
+{{< /callout >}}
+
+
+## Tutoriels de configuration APM
+
+Les tutoriels suivants vous guident dans la mise en place du tracing distribué pour une application exemple dans différents scénarios d'infrastructure, avec instrumentation automatique ou personnalisée, en utilisant les bibliothèques de tracing Datadog :
+
+{{< whatsnext desc="Choisissez le tutoriel correspondant à votre langage et votre environnement :" >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-python-host" >}}
Activer le tracing d'une application Python sur le même host que l'Agent Datadog{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-python-containers" >}} 
Activer le tracing d'une application Python et de l'Agent Datadog dans des conteneurs{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-python-container-agent-host" >}} Activer le tracing d'une application Python dans un conteneur et d'un Agent sur un host{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-java-host" >}}
Activer le tracing d'une application Java sur le même host que l'Agent Datadog{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-java-containers" >}} Activer le tracing d'une application Java et de l'Agent Datadog dans des conteneurs{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-java-container-agent-host" >}} Activer le tracing d'une application Java dans un conteneur et d'un Agent sur un host{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-java-gke" >}} 
Activer le tracing d'une application Java dans GKE{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-java-aws-eks" >}} 
Activer le tracing d'une application Java dans AWS EKS{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-java-aws-ecs-ec2" >}} 
Activer le tracing d'une application Java dans Amazon ECS avec EC2{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-java-aws-ecs-fargate" >}} 
Activer le tracing d'une application Java dans Amazon ECS avec Fargate{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-java-admission-controller" >}}Activer le tracing d'une application Java avec le contrôleur d'admission{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-go-host" >}}
Activer le tracing d'une application Go sur le même host que l'Agent Datadog{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-go-containers" >}} Activer le tracing d'une application Go et de l'Agent Datadog dans des conteneurs{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-go-aws-ecs-ec2" >}} Activer le tracing d'une application Go dans Amazon ECS avec EC2{{< /nextlink >}}
+ {{< nextlink href="tracing/guide/tutorial-enable-go-aws-ecs-fargate" >}} Activer le tracing d'une application Go dans Amazon ECS avec Fargate{{< /nextlink >}}
+
+{{< /whatsnext >}}
+## Pour aller plus loin
+
+{{< partial name="whats-next/whats-next.html" >}}
+
+[1]: /fr/developers/community/libraries/#apm-tracing-client-libraries
+[2]: /fr/tracing/trace_collection/library_injection_local/
+[4]: /fr/tracing/trace_collection/dd_libraries/
+[5]: /fr/tracing/trace_collection/automatic_instrumentation/
+[6]: /fr/tracing/trace_collection/custom_instrumentation/
+[7]: /fr/tracing/trace_collection/automatic_instrumentation/single-step-apm/
+[8]: /fr/tracing/trace_collection/automatic_instrumentation/dd_libraries/
+[9]: /fr/tracing/trace_collection/custom_instrumentation/dd_libraries/
+[10]: /fr/tracing/trace_collection/custom_instrumentation/otel_instrumentation/
\ No newline at end of file
diff --git a/content/fr/tracing/trace_collection/automatic_instrumentation/dd_libraries/java.md b/content/fr/tracing/trace_collection/automatic_instrumentation/dd_libraries/java.md
new file mode 100644
index 0000000000000..2d8806da851fd
--- /dev/null
+++ b/content/fr/tracing/trace_collection/automatic_instrumentation/dd_libraries/java.md
@@ -0,0 +1,241 @@
+---
+aliases:
+- /fr/tracing/java
+- /fr/tracing/languages/java
+- /fr/agent/apm/java/
+- /fr/tracing/setup/java
+- /fr/tracing/setup_overview/java
+- /fr/tracing/setup_overview/setup/java
+- /fr/tracing/trace_collection/dd_libraries/java/
+code_lang: java
+code_lang_weight: 0
+further_reading:
+- link: https://github.com/DataDog/dd-trace-java
+ tag: Code source
+ text: Code source de l'APM Datadog Java
+- link: tracing/glossary/
+ tag: Documentation
+ text: Explorer vos services, ressources et traces
+title: Tracer des applications Java
+type: multi-code-lang
+---
+## Exigences de compatibilité
+
+La dernière version du traceur Java prend en charge toutes les JVM à partir de la version 8. Pour en savoir plus sur les JVM antérieures à la version 8, consultez la section [Runtimes JVM pris en charge][10].
+
+Pour obtenir la liste complète des frameworks et versions Java pris en charge (y compris les anciennes versions et les versions de maintenance), consultez la section relative aux [exigences de compatibilité][1].
+
+## Prise en main
+
+Avant de commencer, vérifiez que vous avez bien [installé et configuré l'Agent][18].
+
+### Instrumenter votre application
+
+Après avoir installé et configuré votre Agent Datadog, l'étape suivante consiste à ajouter la bibliothèque de traçage directement dans l'application afin de l'instrumenter. Pour en savoir plus, consultez les [informations de compatibilité][1].
+
+Pour commencer à tracer vos applications :
+
+1. Téléchargez le fichier `dd-java-agent.jar`, qui contient les derniers fichiers de classe de l'Agent, dans un dossier auquel votre utilisateur Datadog peut accéder :
+
+{{< tabs >}}
+{{% tab "Wget" %}}
+ ```shell
+ wget -O dd-java-agent.jar 'https://dtdg.co/latest-java-tracer'
+ ```
+{{% /tab %}}
+{{% tab "cURL" %}}
+ ```shell
+ curl -Lo dd-java-agent.jar 'https://dtdg.co/latest-java-tracer'
+ ```
+{{% /tab %}}
+{{% tab "Dockerfile" %}}
+ ```dockerfile
+ ADD 'https://dtdg.co/latest-java-tracer' dd-java-agent.jar
+ ```
+{{% /tab %}}
+{{< /tabs >}}
+
+ **Remarque :** pour télécharger la dernière build d’une version **majeure** spécifique, utilisez le lien `https://dtdg.co/java-tracer-vX`, où `X` est le numéro de version majeure souhaité.
+ Par exemple, utilisez `https://dtdg.co/java-tracer-v1` pour la dernière build de la version 1. Ne pas inclure de numéro de version mineure. Vous pouvez aussi consulter le [dépôt Maven][3] de Datadog pour toute version spécifique.
+
+ **Remarque** : les versions Release Candidate sont disponibles sur GitHub [DataDog/dd-trace-java releases][21]. Elles portent la mention "RC" dans la version et sont recommandées pour des tests en dehors de votre environnement de production. Vous pouvez [vous abonner aux notifications de publication de GitHub][20] pour être informé lorsque de nouvelles Release Candidates sont disponibles pour des tests. Si vous rencontrez des problèmes avec les Release Candidates, contactez [l'assistance Datadog][22].
+
+2. Pour exécuter votre application à partir d'un IDE, d'un script d'application Maven ou Gradle, ou de la commande `java -jar`, avec le profileur en continu, le suivi des déploiements et l'injection de logs (si vous envoyez des logs à Datadog), ajoutez l'argument JVM `-javaagent` et les options de configuration suivantes, le cas échéant :
+
+ ```text
+ java -javaagent:/path/to/dd-java-agent.jar -Ddd.profiling.enabled=true -Ddd.logs.injection=true -Ddd.service=my-app -Ddd.env=staging -Ddd.version=1.0 -jar path/to/your/app.jar
+ ```
+ Si vous avez besoin de réduire la taille de votre image et d'omettre des modules, vous pouvez utiliser la commande [jdeps][19] pour identifier les dépendances. Cependant, les modules requis peuvent changer au fil du temps, c'est donc à vos risques et périls.
+
+ L'activation du profilage peut avoir un impact sur votre facture en fonction de votre forfait APM. Pour plus d'informations, consultez la page des tarifs.
+
+| Variable d'environnement | Propriété système | Rôle|
+| --------- | --------------------------------- | ------------ |
+| `DD_ENV` | `dd.env` | L'environnement de votre application (`production`, `staging`, etc.). |
+| `DD_LOGS_INJECTION` | `dd.logs.injection` | Activez l'injection automatique des clés MDC pour les IDs de trace et de span Datadog. Consultez la section [Utilisation avancée][6] pour en savoir plus. À partir de la version 1.18.3, si la [configuration à distance de l'Agent][16] est activée là où ce service est exécuté, vous pouvez définir `DD_LOGS_INJECTION` dans l'interface utilisateur du [Software Catalog][17]. | +| `DD_PROFILING_ENABLED` | `dd.profiling.enabled` | Activer le [Continuous Profiler][5] | +| `DD_SERVICE` | `dd.service` | Le nom d'un ensemble de processus qui effectuent la même tâche. Utilisé pour regrouper les statistiques de votre application. | +| `DD_TRACE_SAMPLE_RATE` | `dd.trace.sample.rate` | Définissez un taux d'échantillonnage à la racine de la trace pour tous les services.
À partir de la version 1.18.3, si la [configuration à distance de l'Agent][16] est activée là où ce service est exécuté, vous pouvez définir `DD_TRACE_SAMPLE_RATE` dans l'interface utilisateur du [Software Catalog][17]. | +| `DD_TRACE_SAMPLING_RULES` | `dd.trace.sampling.rules` | Définit un taux d'échantillonnage à la racine de la trace pour les services qui correspondent à la règle spécifiée. | +| `DD_VERSION` | `dd.version` | Version de votre application (par exemple, `2.5`, `202003181415` ou `1.3-alpha`) | + +D'autres [options de configuration](#configuration) sont décrites ci-dessous. + + +### Ajouter le traceur Java à la JVM + +Consultez la documentation de votre serveur d'application pour découvrir comment passer `-javaagent` et d'autres arguments JVM. Voici des instructions pour certains frameworks couramment utilisés : + +{{< tabs >}} +{{% tab "Spring Boot" %}} + +Si votre application s'appelle `my_app.jar`, créez un fichier `my_app.conf`, contenant : + +```text +JAVA_OPTS=-javaagent:/chemin/vers/dd-java-agent.jar +``` + +Pour en savoir plus, consultez la [documentation de Spring Boot][1]. + + +[1]: https://docs.spring.io/spring-boot/docs/current/reference/html/deployment.html#deployment-script-customization-when-it-runs +{{% /tab %}} +{{% tab "Tomcat" %}} + +#### Linux + +Pour activer le traçage lors de l'exécution de Tomcat sous Linux : + +1. Ouvrez votre fichier script de démarrage Tomcat, par exemple `setenv.sh`. +2. Ajoutez ce qui suit à `setenv.sh`: + ```text + CATALINA_OPTS="$CATALINA_OPTS -javaagent:/path/to/dd-java-agent.jar" + ``` + +#### Windows (Tomcat en tant que service Windows) + +Pour activer le traçage lors de l'exécution de Tomcat en tant que service Windows : + +1. Ouvrez l'utilitaire de maintenance « tomcat@VERSION_MAJOR@w.exe » situé dans le répertoire ./bin du dossier projet Tomcat. +2. Accédez à l'onglet **Java** et ajoutez ce qui suit à `Java Options` : +```text +-javaagent:C:\Npathto\Ndd-java-agent.jar +``` +3. Redémarrez vos services Tomcat pour que les modifications soient prises en compte. + +{{% /tab %}} +{{% tab "JBoss" %}} + +- En mode autonome : + + Ajoutez la ligne suivante à la fin de `standalone.conf` : + +```text +JAVA_OPTS="$JAVA_OPTS -javaagent:/chemin/vers/dd-java-agent.jar" +``` + +- En mode autonome et sur Windows, ajoutez la ligne suivante à la fin de `standalone.conf.bat` : + +```text +set "JAVA_OPTS=%JAVA_OPTS% -javaagent:X:/chemin/vers/dd-java-agent.jar" +``` + +- En mode domaine : + + Ajoutez la ligne suivante dans le fichier `domain.xml`, sous le tag server-groups.server-group.jvm.jvm-options : + +```text + +``` + +Pour en savoir plus, consultez la [documentation de JBoss][1]. + + +[1]: https://access.redhat.com/documentation/en-us/red_hat_jboss_enterprise_application_platform/7.0/html/configuration_guide/configuring_jvm_settings +{{% /tab %}} +{{% tab "Jetty" %}} + +Si vous utilisez `jetty.sh` pour démarrer Jetty en tant que service, ajoutez ce qui suit : + +```text +JAVA_OPTIONS="${JAVA_OPTIONS} -javaagent:/chemin/vers/dd-java-agent.jar" +``` + +Si vous utilisez `start.ini` pour démarrer Jetty, ajoutez la ligne suivante (sous `--exec`, ou ajoutez la ligne `--exec` si elle n'est pas présente) : + +```text +-javaagent:/chemin/vers/dd-java-agent.jar +``` + +{{% /tab %}} +{{% tab "WebSphere" %}} + +Dans la console d'administration : + +1. Sélectionnez **Servers**. Sous **Server Type**, sélectionnez **WebSphere application servers** et choisissez votre serveur. +2. Sélectionnez **Java and Process Management > Process Definition**. +3. Dans la section **Additional Properties**, cliquez sur **Java Virtual Machine**. +4. Dans le champ de texte **Generic JVM arguments**, saisissez : + +```text +-javaagent:/chemin/vers/dd-java-agent.jar +``` + +Pour plus d'informations et d'options, consultez la [documentation relative à WebSphere][1]. + +[1]: https://www.ibm.com/support/pages/setting-generic-jvm-arguments-websphere-application-server +{{% /tab %}} +{{< /tabs >}} + +**Remarque** + +- Si vous ajoutez l'argument `-javaagent` à votre commande `java -jar`, il doit être ajouté _avant_ l'argument `-jar`, c'est-à-dire en tant qu'option JVM et non en tant qu'argument d'application. Par exemple : + + ```text + java -javaagent:/path/to/dd-java-agent.jar -jar my_app.jar + ``` + + Pour en savoir plus, consultez la [documentation Oracle][7] (en anglais). + +- N'ajoutez jamais `dd-java-agent` à votre classpath. Cela peut entraîner un comportement inattendu. + +## Instrumentation automatique + +L'instrumentation automatique pour Java utilise les fonctionnalités d'instrumentation `java-agent` [fournies par la JVM][8]. Lorsqu'un `java-agent` est enregistré, il est capable de modifier les fichiers de classe durant le chargement. + +**Remarque :** les classes chargées avec le ClassLoader à distance ne sont pas automatiquement instrumentées. + +L'instrumentation peut provenir de l'instrumentation automatique, de l'API OpenTracing ou d'un mélange des deux. L'instrumentation capture généralement les informations suivantes : + +- La durée est capturée à l'aide de l'horloge nanoTime de la JVM, sauf si un timestamp est fourni à partir de l'API OpenTracing +- Les paires de tags key/value +- Les erreurs et les stack traces non gérées par l'application +- Le nombre total de traces (requêtes) transmises via le système + +## Configuration + +Au besoin, configurez la bibliothèque de tracing pour envoyer des données de télémétrie relatives aux performances de l'application, notamment en configurant le tagging de service unifié. Consultez la section [Configuration de la bibliothèque][9] pour en savoir plus. + +## Pour aller plus loin + +{{< partial name="whats-next/whats-next.html" >}} + + +[1]: /fr/tracing/compatibility_requirements/java +[2]: https://app.datadoghq.com/apm/service-setup +[3]: https://repo1.maven.org/maven2/com/datadoghq/dd-java-agent +[4]: /fr/account_management/billing/apm_tracing_profiler/ +[5]: /fr/profiler/ +[6]: /fr/tracing/other_telemetry/connect_logs_and_traces/java/ +[7]: https://docs.oracle.com/javase/7/docs/technotes/tools/solaris/java.html +[8]: https://docs.oracle.com/javase/8/docs/api/java/lang/instrument/package-summary.html +[9]: /fr/tracing/trace_collection/library_config/java/ +[10]: /fr/tracing/trace_collection/compatibility/java/#supported-jvm-runtimes +[11]: /fr/tracing/trace_collection/library_injection_local/ +[16]: /fr/agent/remote_config/ +[17]: https://app.datadoghq.com/services +[18]: /fr/tracing/trace_collection/automatic_instrumentation/?tab=datadoglibraries#install-and-configure-the-agent +[19]: https://docs.oracle.com/en/java/javase/11/tools/jdeps.html +[20]: https://docs.github.com/en/account-and-profile/managing-subscriptions-and-notifications-on-github/managing-subscriptions-for-activity-on-github/viewing-your-subscriptions +[21]: https://github.com/DataDog/dd-trace-java/releases +[22]: https://docs.datadoghq.com/fr/getting_started/support/ \ No newline at end of file diff --git a/content/fr/tracing/trace_collection/custom_instrumentation/opentracing/_index.md b/content/fr/tracing/trace_collection/custom_instrumentation/opentracing/_index.md new file mode 100644 index 0000000000000..26bd77f34a54a --- /dev/null +++ b/content/fr/tracing/trace_collection/custom_instrumentation/opentracing/_index.md @@ -0,0 +1,29 @@ +--- +algolia: + tags: + - opentracing +aliases: +- /fr/tracing/trace_collection/open_standards/ +- /fr/tracing/trace_collection/opentracing/ +title: Configuration de l'instrumentation OpenTracing +type: multi-code-lang +--- + +Si l'instrumentation personnalisée avec [OpenTelemetry][1] ou [`ddtrace`][2] ne vous convient pas, chaque langage pris en charge permet également d'envoyer des données [OpenTracing][3] à Datadog. OpenTracing est un projet archivé et non pris en charge. + +En savoir plus selon votre langage : + +{{< whatsnext desc="Configurez votre application pour envoyer des traces avec OpenTracing." >}} + {{< nextlink href="/tracing/trace_collection/custom_instrumentation/opentracing/java" >}}Java{{< /nextlink >}} + {{< nextlink href="/tracing/trace_collection/custom_instrumentation/opentracing/python" >}}Python{{< /nextlink >}} + {{< nextlink href="/tracing/trace_collection/custom_instrumentation/opentracing/ruby" >}}Ruby{{< /nextlink >}} + {{< nextlink href="/tracing/trace_collection/custom_instrumentation/opentracing/nodejs" >}}Node.js{{< /nextlink >}} + {{< nextlink href="/tracing/trace_collection/custom_instrumentation/opentracing/php" >}}PHP{{< /nextlink >}} + {{< nextlink href="/tracing/trace_collection/custom_instrumentation/opentracing/dotnet" >}}.NET{{< /nextlink >}} +{{< /whatsnext >}} + +
+ +[1]: /fr/tracing/trace_collection/otel_instrumentation/ +[2]: /fr/tracing/trace_collection/custom_instrumentation/ +[3]: https://opentracing.io/docs/ \ No newline at end of file diff --git a/content/ja/administrators_guide/build.md b/content/ja/administrators_guide/build.md new file mode 100644 index 0000000000000..5553e8e587bb9 --- /dev/null +++ b/content/ja/administrators_guide/build.md @@ -0,0 +1,105 @@ +--- +description: Datadog インストールを構築し、機能に優先順位をつけましょう。 +further_reading: +- link: /getting_started/integrations/ + tag: ドキュメント + text: インテグレーションの概要 +title: Datadog のインストールを構築する +--- + +Datadog のインストール設計とベストプラクティスを計画した後は、Datadog 自体の構築に集中し、何をインストールする必要があるのか、またそれを実現するための最善の方法は何かを理解しましょう。 + +IT フットプリントが拡大するにつれ、ソフトウェアのインストールと使用に関する標準を確立する必要があります。そのためには、必要な柔軟性を維持しながら、確実にソフトウェアを構成するための正確で繰り返し実行可能な手順を作成することが重要です。このセクションでは、Datadog がこれらの標準とどのように効率的に統合可能かを説明します。 + +## 環境の継続的な改善 + +[計画][7]のセクションでは、Datadog の設計仕様に含まれるさまざまなトピックについて検討しました。理想としては、大規模なロールアウトを実行する前に、これらの問題について一つ一つ完全に調査し、答えを見出しておきたいところです。しかし、エンタープライズ IT エンジニアリングにおいては、インストールを構築しながら、いったん立ち止まって適応を図っていくことがしばしば求められます。 + +### 機能の優先順位付け + +Datadog のインストールを段階的に行い、徐々に複雑性の高いものにしていくことは可能です。早期に行うべきこともあれば、後回しにしてよいものもあります。以下では、Datadog のインストールをスケールする際に、主要なもの (ニーズ) と補助的なもの (ウォンツ) をどのように分けて考えられるかを説明します。 + +**主要なもの**: +1. 統合サービスタグ - `service:test` `env:prod` `version:1.x` +2. 製品プロファイル (インフラストラクチャー、APM、Synthetic Monitoring、RUM、ログ管理など) +3. 主要インテグレーションの詳細 (ポート、ログイン、URL) + +**補助的なもの**: +1. 補助的なインテグレーション +2. 高度またはケース固有のオプション + +## 社内サポート + +Datadog プラットフォームのオーナーとして、インストールした機能をユーザーが利用する仕組みを用意する必要があるでしょう。Wiki、ServiceNow インテグレーション、または Jira ボードを通じて Datadog を公開し、ユーザーが機能をリクエストできる手段を提供する方法も考えられます。社内ユーザーはこれをガイドとして使用して、自分の管理するアプリやインフラストラクチャーに Datadog をデプロイします。 + +このシステムの形は環境によって異なるものになりますが、このような仕組みの構築を迅速化するための基本的事項がいくつか存在します。 + +1. 以下のような Datadog インストールタスクのリストを作成します。 + + - 新しいアプリケーションのオンボーディング (すべてのソフトウェアとインフラストラクチャーを含む)。 + - クラウドアカウントの追加 + - 新しい vSphere クラスタノードの作成 + - 新しいデータベースインスタンスの作成 + - 新しいサードパーティ製ソフトウェア製品のモニタリング + - Synthetic Monitoring テストの追加 + - アラート/モニターの作成 + - ダッシュボードの作成/更新 + +2. 以下のような内容を含む最低限の情報を収集します。 + + - 社内コストセンターコード + - アプリの名前、オーナー、運用チーム + - ローカルの条件に固有の事項 + +これらの定義は、計画フェーズで作成したアーキテクチャ プランの基盤をさらに強化します。もし定義に行き詰まった場合は、Datadog が管理を支援するために開発したメカニズムがあります。概要は以下のとおりです。 + +## コンテンツの作成 + +Datadog は、[完全に文書化された][1]オープンな RESTful API プラットフォームです。UI に表示されるものの大半はプログラムで構築可能です。Datadog は API の使用を歓迎し、完全にサポートしており、独自のカスタムアプリケーションのデータソースとしても使用できます。 + +ダッシュボード、アラート、ノートブック、パース済みのログ、クラウドインテグレーションの構成など、Datadog で作成したオブジェクトはすべて JSON としてプラットフォームに保存され、エクスポートやインポートが可能です。これにより、Infrastructure as Code (IaC) への完全準拠、構成のバックアップ、アカウントの移行、再利用性など、さまざまな管理機能を実現できます。また、Datadog は、これらの目的のために [Terraform プロバイダー][2]と [CLI ツール][3]もサポートしています。 + +## プロビジョニング + +プロビジョニングは、あらゆるエンタープライズ IT 環境の中心となるものです。Datadog を大規模に管理するには、Datadog をプロビジョニングプロセスに統合します。Datadog Agent のインストールモデルはシンプルなため、プロビジョニングへの統合をさまざまな方法で実現できます。 + +### モジュラーアーキテクチャ + +大半の企業向けソフトウェア製品と同様に、Datadog のインストールは、3 つの別々の作業に分けることができ、それぞれがファイル/パッケージ/サービスモデルと呼ばれる[モジュラーアーキテクチャ][6]の一部となっています。 + +**ファイル**: 構成ファイルを含みます +**パッケージ**: バイナリを保持し、そのデプロイを制御します +**サービス**: OS サービスシステムを介してランタイムインスタンスを管理します + +Datadog をインストールするために完了すべき基本的な作業は以下の通りです。 + +**ファイル**: コンフィギュレーション ファイルの変更を保存・管理するために、ソースコード管理を使用できます。Jinja2 や Ansible などのテンプレート/IaC ソリューションも非常に有効です。 + +**パッケージ**: Artifactory や Nexus などの内部パッケージリポジトリを使用して、.rpm、.msi、コンテナ化された Agent パッケージをホストします。 + +**サービス**: IaC またはシェルスクリプトを使用します。 + +**IaC:** Infrastructure-As-Code は、洗練度と堅牢性の両面で進化しています。クラウドインフラストラクチャーでほぼ例外なく使用されていますが、古くからあるオンプレミスのインフラストラクチャーにレトロフィットされることもよくあります。そのシンプルなファイル/パッケージ/サービス構造を活用して、bash スクリプトのような初歩的な IaC ”ツール” を使った Datadog のデプロイがかなり行われています。このやり方は推奨されるものではありませんが、 IaC を利用した Datadog の早期導入を促進するものではあります。実際これを行うことにより、Datadog で Ansible、Puppet、Chef、Powershell、Bash、CloudFormations、Terraform 向けのサンプルコードとインテグレーションがしっかりと用意されていることがわかります。 + +**推奨事項:** +Datadog Agent ソフトウェアのデプロイに関しては、既存のプロビジョニングシステムをできるだけ再利用することをお勧めします。Datadog ソフトウェアの設計はフラットで、業界標準の手法に準拠しています。 + +## サマリー + +Datadog Agent はフラットな設計のため、既存のどのようなプロビジョニングシステムにも簡単にフィットします。ファイル/パッケージ/サービスを前提とした既存の機能を利用し、Datadog をそこに組み込むことができます。Datadog のプラットフォームでは有用なメカニズムが提供されていますが、ローカルの条件により、それぞれの状況に合った最適な方法が決まります。 + +## 次のステップ + +Datadog 管理者向けの [run][4] ドキュメントを参照し、メンテナンス スケジュールの策定、Datadog Agent のアップグレード、ダッシュボードの作成を行い、Datadog インストールの健全性を維持してください。 + +## その他の参考資料 + +{{< partial name="whats-next/whats-next.html" >}} + +[1]: /ja/api/latest/ +[2]: https://registry.terraform.io/providers/DataDog/datadog/latest/docs +[3]: https://github.com/DataDog/datadog-sync-cli +[4]: /ja/administrators_guide/run +[5]: /ja/agent/basic_agent_usage/ +[6]: /ja/agent/architecture/ +[7]: /ja/administrators_guide/plan \ No newline at end of file diff --git a/content/ja/agent/basic_agent_usage/windows.md b/content/ja/agent/basic_agent_usage/windows.md index ff367d10416e0..a58de6c9d9730 100644 --- a/content/ja/agent/basic_agent_usage/windows.md +++ b/content/ja/agent/basic_agent_usage/windows.md @@ -36,133 +36,38 @@ title: Windows 用 Agent の基本的な使用方法 このページでは、Windows 用 Datadog Agent の基本機能を説明します。Agent をまだインストールしていない場合は、以下のインストール手順を参照するか、[アプリ内の指示に従ってください][1]。 -## Datadog Agent をインストールする +See [Supported Platforms][15] for the complete list of supported Linux distributions and versions. -### 要件 +## インストール -- **Windows バージョン**: Windows Server 2016 以降、または Windows 10 以降。[サポートされている OS バージョン][2]については、Agent のサポートプラットフォームドキュメントを参照してください。 -- **Datadog アカウント**: Datadog アカウントにアクセスでき、Datadog API キーを持っていることを確認してください。 -- **管理者権限**: Windows マシンで管理者権限が必要です。 +To install the Datadog Agent on your Windows hosts, follow the [guided in-app flow within Fleet Automation][16], then copy and run the installation command. The Datadog Agents run under the `ddagentuser`. See [Datadog Windows Agent User][17] documentation for more information. -{{< tabs >}} -{{% tab "標準インストール" %}} -Windows Agent のコアと APM/トレースコンポーネントは、`ddagentuser` アカウントで実行します。ライブプロセスコンポーネントは、有効になっている場合、`LOCAL_SYSTEM` アカウントで実行します。Datadog Windows Agent ユーザーの詳細については、[こちら][3]を参照してください。 +{{< img src="/agent/basic_agent_usage/windows_img2_july_25.png" alt="In-app installation steps for the Datadog Agent on a Windows host." style="width:90%;">}} -### GUI を使ってインストール -
Agent のデフォルトのインストール先は
-
-1. [Datadog Agent インストーラー][4]をダウンロードし、最新バージョンの Agent をインストールします。
-2. `datadog-agent-7-latest.amd64.msi` を開いてインストーラーを実行します。プロンプトが表示されたら、管理者資格情報を入力します。
-3. プロンプトに従ってライセンス契約に同意し、[Datadog API キー][5]を入力します。
-
-インストールが終了したら、オプションから Datadog Agent Manager を起動できます。
-
-### コマンドラインを使ってインストール
-
-1. **管理者**権限で PowerShell を開きます。
-2. Datadog Agent をインストールするには、以下のコマンドを実行します。
- ```powershell
- Start-Process -Wait msiexec -ArgumentList '/qn /i datadog-agent-7-latest.amd64.msi APIKEY="%ProgramFiles%\Datadog\Datadog Agent です。カスタムのインストール先を使用する場合は、必ず Datadog ファイル用の Datadog サブディレクトリを指定してください。Agent のデフォルトのインストール先は
-1. [Datadog Agent インストーラー][1]をダウンロードし、最新バージョンの Agent をインストールします。
+1. Download the [Datadog Agent installer][400] to install the latest version of the Agent.
2. `datadog-agent-7-latest.amd64.msi` を開いてインストーラーを実行します。プロンプトが表示されたら、管理者資格情報を入力します。
-3. プロンプトに従ってライセンス契約に同意し、[Datadog API キー][2]を入力します。
-4. "Datadog Agent User Account" の入力を求められたら、gMSA のユーザー名を入力します。例えば、`%ProgramFiles%\Datadog\Datadog Agent です。カスタムのインストール先を使用する場合は、必ず Datadog ファイル用の Datadog サブディレクトリを指定してください。
-The following Datadog integrations don't work with Autodiscovery because they require either process tree data or filesystem access: Ceph, Varnish, Postfix, Cassandra Nodetool, and Gunicorn.
-To monitor integrations that are not compatible with Autodiscovery, you can use a Prometheus exporter in the pod to expose an HTTP endpoint, and then use the OpenMetrics integration (which supports Autodiscovery) to find the pod and query the endpoint. +Autodiscovery ではプロセス ツリー データまたはファイル システムへのアクセスが必要になるため、Ceph、Varnish、Postfix、Cassandra Nodetool、および Gunicorn の Datadog インテグレーションは動作しません。
+Autodiscovery に対応していないインテグレーションを監視するには、pod 内に Prometheus エクスポーターを配置して HTTP エンドポイントを公開し、その後 Autodiscovery をサポートする OpenMetrics インテグレーション を使用して pod を検出し、エンドポイントをクエリします。
-## Set up your integration
+## インテグレーションをセットアップする
-Some integrations require setup steps, such as creating an access token or granting read permission to the Datadog Agent. Follow the instructions in the **Setup** section of your integration's documentation.
+一部のインテグレーションでは、アクセス トークンを作成するあるいは Datadog Agent に読み取り権限を付与するなど、セットアップ手順が必要です。詳細は、インテグレーションのドキュメントの **Setup** セクションの手順に従ってください。
-### コミュニティのインテグレーション
-To use an integration that is not packaged with the Datadog Agent, you must build a custom image that contains your desired integration. See [Use Community Integrations][5] for instructions.
+### Community インテグレーション
+Datadog Agent に同梱されていないインテグレーションを使用する場合は、目的のインテグレーションを含むカスタム イメージをビルドする必要があります。手順については [Community インテグレーションの使用][5] を参照してください。
-## 構成
+## 設定
-Some commonly-used integrations come with default configuration for Autodiscovery. See [Autodiscovery auto-configuration][6] for details, including a list of auto-configured integrations and their corresponding default configuration files. If your integration is in this list, and the default configuration is sufficient for your use case, no further action is required.
+よく使用されるインテグレーションの中には、Autodiscovery 用のデフォルト 設定が同梱されているものがあります。自動設定されているインテグレーション一覧と、それぞれのデフォルト 設定ファイルについては [Autodiscovery 自動設定][6] を参照してください。ご使用のインテグレーションがこの一覧に含まれ、そのデフォルト設定が要件を満たす場合、追加の操作は不要です。
-Otherwise:
+それ以外の場合:
-1. Choose a configuration method (Docker labels, a local file, or a key-value store) that suits your use case.
-2. Reference the template format for your chosen method. Each format contains placeholders, such as `-To monitor integrations that are not compatible with Autodiscovery, you can use a Prometheus exporter in the pod to expose an HTTP endpoint, and then use the OpenMetrics integration (which supports Autodiscovery) to find the pod and query the endpoint. +Autodiscovery ではプロセス ツリー データまたはファイル システムへのアクセスが必要になるため、Ceph、Varnish、Postfix、Cassandra Nodetool、および Gunicorn の Datadog インテグレーションは動作しません。
+Autodiscovery に対応していないインテグレーションを監視するには、pod 内に Prometheus エクスポーターを配置して HTTP エンドポイントを公開し、その後 Autodiscovery をサポートする OpenMetrics インテグレーション を使用して pod を検出し、エンドポイントをクエリします。
-For example: if you supply `redis` as a container identifier, your Autodiscovery template is applied to all containers with names that match `redis`. If you have one container running `foo/redis:latest` and `bar/redis:v2`, your Autodiscovery template is applied to both containers.
-You can also use custom identifiers. See [Custom Autodiscovery Identifiers][21]. +`
+たとえば `redis` を指定すると、`redis` に一致するイメージ名を持つすべてのコンテナに Autodiscovery テンプレートが適用されます。`foo/redis:latest` と `bar/redis:v2` の 2 つのコンテナがあれば、どちらにも適用されます。
+`ad_identifiers` パラメーターはリストを受け取るため、複数のコンテナ ID を指定できます。カスタム ID も使用可能です。詳細は [カスタム Autodiscovery 識別子][7] を参照してください。 `
DDSQL での Logs と Metrics のクエリはプレビュー版です。アクセスをリクエストするには このフォーム をご利用ください。
-DDSQL は Datadog データ用のクエリ言語です。`SELECT` などのいくつかの標準 SQL 操作を実装しており、[タグ][2]などの非構造化データに対するクエリを実行できます。独自の `SELECT` ステートメントを記述することで、必要なデータを正確に取得できます。タグを標準的なテーブルの列のようにクエリします。
+Data Explorer でクエリをビュー、フィルター、およびビルドします。
-{{< code-block lang="sql" >}}SELECT instance_type, count(instance_type)FROM aws_ec2_instanceWHERE env = 'staging' -- env は列ではなくタグですGROUP BY instance_type{{< /code-block >}}
+{{< img src="/ddsql_editor/data-tab-available-tables.png" alt="DDSQL Editor でクエリ可能なテーブル一覧を表示するサイド パネル" style="width:90%;" >}}
-{{< whatsnext desc="DDSQL クエリの詳細については、DDSQL リファレンスを参照してください。" >}}
- {{< nextlink href="ddsql_editor/reference/functions" >}}関数{{< /nextlink >}}
- {{< nextlink href="ddsql_editor/reference/data_types" >}}データ型{{< /nextlink >}}
- {{< nextlink href="ddsql_editor/reference/expressions_and_operators" >}}式および演算子{{< /nextlink >}}
- {{< nextlink href="ddsql_editor/reference/statements" >}}ステートメント{{< /nextlink >}}
- {{< nextlink href="ddsql_editor/reference/tags" >}}タグ{{< /nextlink >}}
-{{< /whatsnext >}}
+テーブル名をクリックすると、そのカラムとリレーションシップを表示できます:
-### インフラストラクチャデータの探索
+{{< img src="ddsql_editor/data-tab.png" alt="aws.ec2_instance 用のテーブル情報を表示する Data タブ" style="width:70%;" >}}
-スキーマサイドパネルでテーブルとフィールドのリストを表示し、フィルタリングします。
+Logs と Metrics の場合は、クエリ ビルダーを使用してテーブル関数を生成してください。
-{{< img src="ddsql_editor/schema-explorer.png" alt="使用可能なテーブルのリスト" style="width:90%;" >}}
+## クエリを保存および共有する
-テーブル名をクリックすると、列とリレーションシップが表示されます：
+将来参照できるよう便利なクエリを保存したり、データを CSV としてダウンロードしたりできます。
-{{< img src="ddsql_editor/table-details.png" alt="列とリレーションシップを含むテーブルの詳細" style="width:60%;" >}}
+{{< img src="/ddsql_editor/save_export.png" alt="保存とエクスポート オプションがハイライトされた DDSQL Editor のクエリ結果インターフェイス" style="width:90%;" >}}
-### クエリの保存と共有
+**Save to Dashboard** をクリックすると、保存済みクエリをダッシュボードにエクスポートできます。ダッシュボードから結果を可視化し、Scheduled Reports を送信できます。
-便利なクエリを保存したり、データを CSV としてエクスポートできます。
+サイド パネルで最近または保存済みのクエリを閲覧および再実行できます。
-{{< img src="ddsql_editor/save-or-export-result.png" alt="保存およびエクスポートアクションが表示されたクエリ結果" style="width:90%;" >}}
+{{< img src="/ddsql_editor/queries-tab-recent-queries.png" alt="DDSQL Editor の Queries タブで保存済みおよび最近のクエリ一覧を表示しているサイド パネル" style="width:70%;" >}}
-サイドパネルで保存されたクエリを参照し、再実行します。
+## 権限
-{{< img src="ddsql_editor/saved-queries-panel.png" alt="保存されたクエリのリスト" style="width:60%;" >}}
+DDSQL Editor アプリにアクセスするには、ユーザーに `ddsql_editor_read` 権限が必要です。この権限はデフォルトで Datadog Read Only Role に含まれています。組織がカスタム ロールを使用している場合は、該当ロールにこの権限を追加してください。権限管理の詳細は [RBAC ドキュメント][3] を参照してください。
## 参考資料
{{< partial name="whats-next/whats-next.html" >}}
[1]: https://app.datadoghq.com/ddsql/editor
-[2]: /ja/dashboards/ddsql_editor/reference/tags
\ No newline at end of file
+[2]: /ja/ddsql_reference/ddsql_default/#tags
+[3]: /ja/account_management/rbac/
+[4]: /ja/bits_ai
+[5]: /ja/help/
+[6]: /ja/ddsql_reference/ddsql_default/
\ No newline at end of file
diff --git a/content/ja/developers/integrations/log_pipeline.md b/content/ja/developers/integrations/log_pipeline.md
new file mode 100644
index 0000000000000..7123001d43b9d
--- /dev/null
+++ b/content/ja/developers/integrations/log_pipeline.md
@@ -0,0 +1,238 @@
+---
+aliases:
+- /ja/logs/faq/partner_log_integration
+- /ja/developers/integrations/log_integration/
+description: Datadog ログ インテグレーション パイプラインの作成方法を学ぶ。
+further_reading:
+- link: /integrations/#cat-log-collection
+ tag: ドキュメント
+ text: 既存の Datadog ログ インテグレーションを確認する
+- link: /logs/explorer/facets/
+ tag: ドキュメント
+ text: ログ ファセットについて学ぶ
+- link: /logs/explorer/
+ tag: ドキュメント
+ text: Log Explorer について学ぶ
+- link: /logs/log_configuration/pipelines/
+ tag: ドキュメント
+ text: ログ パイプラインについて学ぶ
+title: ログ パイプラインの作成
+---
+## 概要
+
+このページでは、テクノロジー パートナーがログ パイプラインを作成する手順を説明します。インテグレーションがログを Datadog に送信する場合、ログ パイプラインが必要です。
+
+
+インテグレーションを開発して Datadog にログを送信する際は、ユーザーに最良の体験を提供するために次のガイドラインに従ってください。
+
+## ベスト プラクティス
+
+ログ パイプラインを作成する前に、以下のガイドラインとベスト プラクティスを検討してください:
+
+インテグレーションはサポートされている Datadog ログ エンドポイントを使用すること
+: インテグレーションは、Datadog が公開しているログ取り込み用の [サポートされているエンドポイント][23] のいずれかを使用する必要があります。代わりに [Logs Ingestion HTTP エンドポイント][1] を使用して Datadog にログを送信することもできます。
+
+インテグレーションはすべての Datadog サイトをサポートすること
+: ユーザーは必要に応じて異なる Datadog サイトを選択できなければなりません。サイト間の違いについては [Datadog サイトの開始方法][2] を参照してください。 Datadog サイトのエンドポイントは `http-intake.logs`.{{< region-param key="dd_site" code="true" >}} です。
+
+インテグレーション設定時にユーザーがカスタム タグを付与できるようにする
+: タグは、インテグレーションのログ ペイロードの JSON 本文内でキーと値の属性として設定できます。Datadog は、インテグレーションに対してユーザーがカスタム タグを設定できるようにすることを推奨します。インテグレーションが [API 経由でログを送信][1] する場合は、`ddtags=Datadog のインテグレーション チームによるレビューを受けるには、ログ インテグレーションにアセットが含まれ、パイプライン プロセッサまたはファセットが設定されている必要があります。
+
+### パイプラインの概要
+
+Datadog に送信されたログは、パイプライン プロセッサを使用して [ログ パイプライン][13] で処理されます。これらのプロセッサにより、ユーザーは属性情報を解析・リマップ・抽出でき、ログを強化してプラットフォーム全体で標準化することができます。
+
+#### パイプラインの作成
+
+パイプライン プロセッサで特定のログを処理するログ パイプラインを作成します。
+
+
+1. [**Pipelines**][3] ページで **+ New Pipeline** をクリックします。
+2. **Filter** フィールドに、テクノロジー パートナーのログ ソースを定義する一意の `source` タグを入力します。例: Okta インテグレーションの場合 `source:okta`。
+**注**: インテグレーション経由で送信されるログに、Datadog へ送信する前に正しい source タグが付いていることを確認してください。
+3. 必要に応じて、タグと説明を追加します。
+4. **Create** をクリックします。
+
+パイプラインを設定したら、プロセッサを追加してログをさらに強化・構造化します。
+#### パイプライン プロセッサの追加
+
+パイプライン プロセッサを定義する前に、[Datadog の Standard Attributes][6] を確認してください。
+
+パイプライン内でプロセッサを使用してデータを強化・再構築し、ログ属性を生成します。すべてのログ プロセッサの一覧については、[プロセッサ][10] ドキュメントを参照してください。
+
+##### 要件
+
+アプリケーションのログ属性を Datadog の Standard Attributes にマップする
+: 可能な限り [Attribute Remapper][5] を使用して属性キーを [Datadog Standard Attributes][6] にマップします。たとえば、ネットワーク サービス クライアント IP を示す属性は `network.client.ip` にリマップする必要があります。
+
+ログの `service` タグをテレメトリを生成するサービス名にマップする
+: [Service Remapper][7] を使用して `service` 属性をリマップします。`source` と [service][26] が同じ値の場合、`service` タグを `source` タグにリマップします。`service` タグは小文字である必要があります。
+
+ログの内部タイムスタンプを Datadog の公式タイムスタンプにマップする
+: [Date Remapper][4] を使用してログの公式タイムスタンプを定義します。ログのタイムスタンプが [標準の date 属性][28] にマップされない場合、Datadog は取り込み時刻をタイムスタンプとして設定します。
+
+ログのカスタム status 属性を公式 Datadog `status` 属性にマップする
+: [Status Remapper][25] を使用してログの `status` をリマップするか、HTTP ステータス コードのように範囲にマップされる場合は [Category Processor][19] を使用します。
+
+ログのカスタム message 属性を公式 Datadog `message` 属性にマップする
+: アプリケーション ログが標準の message 属性にマップされていない場合は、[メッセージ リマッパー][9] を使用してログの公式メッセージを定義します。これにより、ユーザーはフリー テキスト検索を利用できます。
+
+ログ内のカスタム属性にネームスペースを設定する
+: [Datadog Standard Attribute][6] にマップされない一般的なログ属性で [ファセット][14] にマップされるものは、ネームスペースを設定する必要があります。例: `file` → `integration_name.file`。
+[Attribute Remapper][5] を使用して属性キーを新しいネームスペース付き属性に設定します。
+
+1. 作成したパイプラインを展開し、**Add Processor** をクリックしてプロセッサを追加し始めます。
+2. インテグレーションのログが JSON 形式でない場合は、[Grok Processor][8] を追加して属性情報を抽出します。Grok プロセッサは属性を解析し、リマップや追加処理の前にログを強化します。
+3. 属性を抽出した後、[Attribute Remapper][5] を使用して可能な限り [Datadog の Standard Attributes][6] にリマップします。
+4. [Date Remapper][4] を使用して、インテグレーションのログのタイムスタンプを公式 Datadog タイムスタンプに設定します。
+5. 高度な処理やデータ変換には、追加の [プロセッサ][10] を活用してください。
+例: `Arithmetic Processor` で属性に基づく計算を行ったり、`String Builder Processor` で複数の文字列属性を連結できます。
+
+**ヒント**
+* `preserveSource:false` を使用してログ属性をリマップする際に元の属性を削除すると、混乱を避けて重複を排除できます。
+* 最適な grok 解析性能を維持するため、`%{data:}` や `%{regex(".*"):}` などのワイルドカード マッチャーは避け、解析ステートメントをできる限り具体的にしてください。
+* プロセッサの記述と Standard Attributes の活用方法については、無料コース [Logs Processing をより深く学ぶ][20] をご覧ください。
+
+### ファセットの概要
+
+ファセットとは、検索結果をフィルターし絞り込むために使用できる特定の定性的または定量的な属性です。ファセットは検索結果をフィルターするために必ずしも必要ではありませんが、ユーザーが検索を細かく絞り込む際に利用可能なディメンションを理解する上で重要な役割を果たします。
+
+パイプラインを公開すると、Standard Attribute 用のファセットは Datadog により自動的に追加されます。対象の属性を [Datadog の Standard Attribute][6] にリマップすべきかどうかを確認してください。
+
+すべての属性がファセットとして使用されるわけではありません。インテグレーションにおけるファセットの必要性は次の 2 点に集約されます:
+* **ファセットはログをフィルターするためのシンプルなインターフェイスを提供**します。これは Log Management のオート コンプリート機能で活用され、ユーザーがログ内のキー情報を検索・集約できるようにします。
+* **ファセットにより可読性の低い属性にわかりやすいラベルを付け替える**ことが可能になります。例: `@deviceCPUper` → `Device CPU Utilization Percentage`。
+
+[Log Explorer][16] で [ファセット][12] を作成できます。
+
+#### ファセットの作成
+
+ファセットを正しく定義することは、分析、モニター、および Datadog の Log Management 製品全体の集計機能でインデックス化されたログの使いやすさを高めるために重要です。
+
+ファセットは、Log Management 全体のオート コンプリート機能を充実させることでアプリケーション ログの検索性を向上させます。
+
+定量的なファセットは "メジャー" と呼ばれ、リレーショナル オペレーターを使用して数値範囲でログをフィルターできます。
+たとえば、レイテンシー属性のメジャーを使用すると、特定の期間を超えるすべてのログを検索できます。
+
+##### 要件
+
+カスタム ファセットにマップされる属性はまずネームスペース化する必要がある
+: [Datadog の Standard Attribute][6] にマップされていない汎用カスタム属性をカスタム [ファセット][14] で使用する場合は、ネームスペース化が必要です。[Attribute Remapper][5] を使用して属性にインテグレーション名のネームスペースを付与できます。
+例: `attribute_name` を `integration_name.attribute_name` にリマップします。
+
+カスタム ファセットは既存の Datadog ファセットを重複しないこと
+: 既存の Datadog 標準ファセットとの混同を避けるため、[Datadog Standard Attributes][6] にすでにマップされているファセットと重複するカスタム ファセットは作成しないでください。
+
+カスタム ファセットは `source` 名の下にグループ化すること
+: カスタム ファセットを作成する際は、グループを割り当てます。`Group` 値に `source` (インテグレーション名と同じ) を設定してください。
+
+カスタム ファセットはマップされた属性と同じデータ型を持つこと
+: ファセットのデータ型 (String、Boolean、Double、Integer) は、マップされた属性と同じ型にしてください。型が一致しないと、ファセットが正しく機能せず、正しく表示されません。
+
+**ファセットまたはメジャーを追加**
+
+1. ファセットまたはメジャーを追加したい属性を含むログをクリックします。
+2. **ログ パネル**で該当属性の横にある **Cog icon** をクリックします。
+3. **Create facet/measure for @attribute** を選択します。
+4. メジャーの単位を定義する場合は **Advanced options** をクリックし、属性を表す単位を選択します。
+**注**: メジャーの [単位][11] は属性が表す内容に基づいて定義してください。
+5. ファセット **Group** を指定して Facet List を整理します。グループが存在しない場合は **New group** を選択し、source タグと一致する名前を入力して説明を追加します。
+6. **Add** をクリックしてファセットを作成します。
+
+#### ファセットの設定と編集
+
+1. **ログ パネル**で、設定またはグループ化したい属性の横にある **Cog icon** をクリックします。
+2. 既存のファセットがある場合は **Edit facet/measure for @attribute**、ない場合は **Create facet/measure for @attribute** を選択します。
+3. 完了したら **Add** または **Update** をクリックします。
+
+**ヒント**
+* メジャーには可能な限り単位を設定してください。メジャーには [単位][27] を割り当てることができます。利用可能な単位ファミリーは `TIME` と `BYTES` で、`millisecond` や `gibibyte` などがあります。
+* ファセットには説明を設定できます。明確な説明を追加すると、ユーザーがファセットを効果的に利用しやすくなります。
+* `preserveSource:true` オプションを使用して属性をリマップし元の属性を保持する場合、ファセットはどちらか一方の属性にのみ定義してください。
+* パイプライン の `.yaml` 構成ファイルでファセットを手動設定する場合、ファセットには `source` が割り当てられる点に注意してください。これは属性を取得した場所を示し、属性の場合は `log`、タグの場合は `tag` になります。
+
+## インテグレーションのレビューとデプロイ
+
+Datadog は、本ページに記載されたガイドラインと要件に基づいてログ インテグレーションをレビューし、GitHub を通じてテクノロジー パートナーにフィードバックを提供します。テクノロジー パートナーはそれを確認し、必要に応じて修正を行います。
+
+レビュー プロセスを開始するには、[Logs Configuration ページ][3] の **Export** アイコンを使用して、ログ パイプラインと関連するカスタム ファセットをエクスポートします。
+
+{{< img src="developers/integrations/export_pipeline.png" alt="Datadog でログ パイプラインをエクスポートするには Export Pipeline アイコンをクリックします" width="50%">}}
+
+インテグレーションが Datadog に送信すると想定される **すべて** の属性を含む生ログ サンプルを同梱してください。生ログとは、Datadog に送信 **される前** にソース アプリケーションから直接生成された生のメッセージです。
+
+ログ パイプラインをエクスポートすると、2 つの YAML ファイルが生成されます:
+
+* カスタム ファセット、Attribute Remapper、Grok Parser を含むログ パイプライン。エクスポート ファイル名: `pipeline-name.yaml`
+* 提供した生ログ サンプルと空の `result` セクションを含むファイル。エクスポート ファイル名: `pipeline-name_test.yaml`
+
+**注**: ブラウザーによっては、ファイル ダウンロードを許可するよう設定を調整する必要があります。
+
+これらのファイルをダウンロードしたら、GitHub の [インテグレーションの Pull Request][22] に移動し、**Assets** > **Logs** ディレクトリに追加します。Logs フォルダーがまだ無い場合は作成できます。
+
+Pull Request では検証が自動で実行され、提供された生ログと照合してパイプラインを検証します。この結果を `pipeline-name_test.yaml` ファイルの `result` セクションとして設定できます。
+検証が再実行され、問題が検出されなければログ検証は成功します。
+
+よくある 3 つの検証エラー
+1. 両方の YAML ファイル内の `id` フィールド: `id` がインテグレーションの `manifest.json` 内の `app_id` と一致していることを確認し、パイプラインをインテグレーションに関連付けます。
+2. `result` を提供していない: 提供した生ログをパイプラインに適用した結果が正しければ、その出力を取り、例示用生ログを含む YAML ファイルの `result` フィールドに追加してください。
+3. `service` をパラメーターとして送信している: ログ ペイロード内ではなくパラメーターで `service` を送信する場合、ログ サンプルの下に `service` フィールドを yaml ファイル内で指定する必要があります。
+
+検証に合格すると、Datadog が新しいログ インテグレーション アセットを作成してデプロイします。質問がある場合は Pull Request のコメントとして追加してください。Datadog チームは 2～3 営業日以内に回答します。
+
+## 参考資料
+
+{{< partial name="whats-next/whats-next.html" >}}
+
+[1]: https://docs.datadoghq.com/ja/api/latest/logs/#send-logs
+[2]: https://docs.datadoghq.com/ja/getting_started/site/
+[3]: https://app.datadoghq.com/logs/pipelines
+[4]: https://docs.datadoghq.com/ja/logs/log_configuration/processors/?tab=ui#log-date-remapper
+[5]: https://docs.datadoghq.com/ja/logs/log_configuration/processors/?tab=ui#remapper
+[6]: https://docs.datadoghq.com/ja/standard-attributes?product=log+management
+[7]: https://docs.datadoghq.com/ja/logs/log_configuration/processors/?tab=ui#service-remapper
+[8]: https://docs.datadoghq.com/ja/logs/log_configuration/processors/?tab=ui#grok-parser
+[9]: https://docs.datadoghq.com/ja/logs/log_configuration/processors/?tab=ui#log-message-remapper
+[10]: https://docs.datadoghq.com/ja/logs/log_configuration/processors/
+[11]: https://docs.datadoghq.com/ja/logs/explorer/facets/#units
+[12]: https://docs.datadoghq.com/ja/logs/explorer/facets/
+[13]: https://docs.datadoghq.com/ja/logs/log_configuration/pipelines/
+[14]: https://docs.datadoghq.com/ja/glossary/#facet
+[15]: https://docs.datadoghq.com/ja/glossary/#measure
+[16]: https://docs.datadoghq.com/ja/logs/explorer/
+[17]: https://docs.datadoghq.com/ja/logs/log_configuration/attributes_naming_convention/#standard-attributes
+[18]: https://docs.datadoghq.com/ja/developers/integrations/?tab=integrations
+[19]: https://docs.datadoghq.com/ja/logs/log_configuration/processors/?tab=ui#category-processor
+[20]: https://learn.datadoghq.com/courses/going-deeper-with-logs-processing
+[21]: https://partners.datadoghq.com/
+[22]: https://docs.datadoghq.com/ja/developers/integrations/create_a_tile/?tab=buildatileontheintegrationspage#open-a-pull-request
+[23]: https://docs.datadoghq.com/ja/logs/log_collection/?tab=http#additional-configuration-options
+[24]: https://docs.datadoghq.com/ja/logs/explorer/search_syntax/#arrays
+[25]: https://docs.datadoghq.com/ja/logs/log_configuration/processors/?tab=ui#log-status-remapper
+[26]: https://docs.datadoghq.com/ja/getting_started/tagging/#overview
+[27]: https://docs.datadoghq.com/ja/logs/explorer/facets/#units
+[28]: https://docs.datadoghq.com/ja/logs/log_configuration/pipelines/?tab=date#date-attribute
\ No newline at end of file
diff --git a/content/ja/integrations/automonx_automonx_prtg_datadog_alerts_integration.md b/content/ja/integrations/automonx_automonx_prtg_datadog_alerts_integration.md
new file mode 100644
index 0000000000000..6cf8fd6b94dac
--- /dev/null
+++ b/content/ja/integrations/automonx_automonx_prtg_datadog_alerts_integration.md
@@ -0,0 +1,112 @@
+---
+algolia:
+ subcategory: Marketplace インテグレーション
+app_id: automonx-prtg-datadog-alerts
+app_uuid: 0ac61364-d76e-4cff-afa8-213c4e952686
+assets:
+ dashboards:
+ PRTG Alerts Dashboard: assets/dashboards/automonx_prtg_events.json
+ integration:
+ auto_install: false
+ events:
+ creates_events: true
+ service_checks:
+ metadata_path: assets/service_checks.json
+ source_type_id: 20041432
+ source_type_name: automonx_prtg_datadog_alerts_integration
+ monitors:
+ Device is Down due to Ping: assets/monitors/Device-PingDown.json
+ 'HPE ProLiant System Health: Error caused by lookup value ''Failed'' in channel ''Overall Status''': assets/monitors/ILO-HardwareError.json
+ HPE Server is degraded in channel 'Power Supply': assets/monitors/ILO-Degraded.json
+ Network Interface Traffic is High: assets/monitors/NetworkInterface-TrafficHigh.json
+ Server Available Memory is too Low: assets/monitors/ServerFreeMemory-Down.json
+ Server CPU is High: assets/monitors/ServerCPU-Down.json
+ Server Disk Utilization is High: assets/monitors/ServerDiskUtil-Down.json
+author:
+ homepage: https://www.automonx.com/smartnotif
+ name: AutoMonX
+ sales_email: sales@automonx.com
+ support_email: support@automonx.com
+ vendor_id: autononx
+categories:
+- イベント管理
+- marketplace
+- alerting
+custom_kind: インテグレーション
+dependencies: []
+display_on_public_website: true
+draft: false
+git_integration_title: automonx_automonx_prtg_datadog_alerts_integration
+integration_id: automonx-prtg-datadog-alerts
+integration_title: PRTG 向けスマート通知
+integration_version: ''
+is_public: true
+legal_terms:
+ eula: assets/AutomonX-EULA.pdf
+manifest_version: 2.0.0
+name: automonx_automonx_prtg_datadog_alerts_integration
+pricing:
+- billing_type: flat_fee
+ includes_assets: true
+ product_id: automonx-prtg-datadog-alerts
+ short_description: AutoMonX スマート通知インテグレーションの年間料金
+ unit_price: 60
+public_title: PRTG 向けスマート通知
+short_description: 当社のスマート通知エンジンで PRTG Network Monitor のノイズの多いアラートを削減
+supported_os:
+- windows
+tile:
+ changelog: CHANGELOG.md
+ classifier_tags:
+ - Supported OS::Windows
+ - Category::Event Management
+ - Category::Marketplace
+ - Category::Alerting
+ - Offering::Integration
+ - Submitted Data Type::Events
+ configuration: README.md#Setup
+ description: 当社のスマート通知エンジンで PRTG Network Monitor のノイズの多いアラートを削減
+ media:
+ - caption: PRTG-Datadog インテグレーション向けの AutoMonX スマート通知 - ネットワークデバイスからのサンプルイベント
+ image_url: images/AutoMonX_PRTG_NetworkIn_DD_Event.png
+ media_type: image
+ - caption: PRTG-Datadog インテグレーション向けの AutoMonX スマート通知 - モニタリングイベントのフロー
+ image_url: images/AutoMonX_Events_from_PRTG_to_DD.png
+ media_type: image
+ - caption: PRTG-Datadog インテグレーション向けの AutoMonX スマート通知 - イベントモニターのサンプル
+ image_url: images/AutoMonX_Event_Monitors.png
+ media_type: image
+ - caption: PRTG-Datadog インテグレーション向けの AutoMonX スマート通知 - イベントダッシュボード
+ image_url: images/AutoMonX_Event_Dashboard.png
+ media_type: image
+ overview: README.md#Overview
+ support: README.md#Support
+ title: PRTG 向けスマート通知
+ uninstallation: README.md#Uninstallation
+---
+
+
+
+
+## 概要
+
+PRTG Network Monitor ユーザー向けに設計された当社のソリューションで、オンプレミスのシステムおよびネットワーク モニタリングを強化しましょう。AutoMonX の [スマート通知][1] をご紹介します。当社の革新的な通知エンジンは高度なフィルタリング メカニズムを備え、最も重要なアラートのみをチームに届けます。Datadog と PRTG Network Monitor にシームレスに統合されることで、ネットワークおよびシステム管理者が問題を先取りできる、信頼性の高いフォーカスされた通知を実現します。
+
+このノーコードのインテグレーションにより、オンプレミスの既存のモニタリングシステムを即座に活用し、より広範な Datadog の観測可能性プラットフォームのエコシステムへと拡張することができます。
+
+Paessler の PRTG Network Monitor は、オンプレミス、クラウド、またはハイブリッド環境に関わらず、企業の ITインフラストラクチャ全体の監視を支援する IT モニタリングソフトウェアです。
+
+スマートなフィルタリングアルゴリズムにより、スマート通知はモニタリングエラーと実際のシステムまたはネットワークの問題を区別し、これらの問題を適切な管理者 (MonitorOps またはネットワーク/システム管理者) にルーティングします。内蔵の相関付け機能により、深刻なネットワーク障害時のノイズをさらに減らすことができ、ネットワークおよびシステムの担当チームはより優先度の高い問題に集中することができます。
+
+### イベント
+このインテグレーションは、 PRTG Network Monitor のアラートをイベントとして Datadog へ送信します。イベントには、問題の発生源を絞り込むのに役立つ関連タグが含まれています。これらのタグは PRTG 側で設定されます。
+
+## サポート
+サポートが必要な場合は、[support@automonx.com][3] までご連絡ください。
+
+[1]: https://www.automonx.com/smartnotif
+[2]: http://www.automonx.com/downloads
+[3]: mailto:support@automonx.com
+
+---
+このアプリケーションは Marketplace から入手でき、Datadog テクノロジーパートナーによってサポートされています。利用するには、Marketplace でこのアプリケーションを購入してください。
\ No newline at end of file
diff --git a/content/ja/integrations/cisco_secure_email_threat_defense.md b/content/ja/integrations/cisco_secure_email_threat_defense.md
new file mode 100644
index 0000000000000..20d5967188461
--- /dev/null
+++ b/content/ja/integrations/cisco_secure_email_threat_defense.md
@@ -0,0 +1,118 @@
+---
+app_id: cisco-secure-email-threat-defense
+app_uuid: 9776e6c8-2031-4dda-98b5-3628b181625b
+assets:
+ dashboards:
+ Cisco Secure Email Threat Defense: assets/dashboards/cisco_secure_email_threat_defense.json
+ integration:
+ auto_install: false
+ events:
+ creates_events: false
+ service_checks:
+ metadata_path: assets/service_checks.json
+ source_type_id: 21617758
+ source_type_name: Cisco Secure Email Threat Defense
+author:
+ homepage: https://www.datadoghq.com
+ name: Datadog
+ sales_email: info@datadoghq.com (日本語対応)
+ support_email: help@datadoghq.com
+categories:
+- ログの収集
+- security
+- クラウド
+custom_kind: インテグレーション
+dependencies:
+- https://github.com/DataDog/integrations-core/blob/master/cisco_secure_email_threat_defense/README.md
+display_on_public_website: true
+draft: false
+git_integration_title: cisco_secure_email_threat_defense
+integration_id: cisco-secure-email-threat-defense
+integration_title: Cisco Secure Email Threat Defense
+integration_version: ''
+is_public: true
+manifest_version: 2.0.0
+name: cisco_secure_email_threat_defense
+public_title: Cisco Secure Email Threat Defense
+short_description: Cisco Secure Email Threat Defense のメッセージログからインサイトを得る。
+supported_os: []
+tile:
+ changelog: CHANGELOG.md
+ classifier_tags:
+ - Category::Log Collection
+ - Category::Security
+ - Category::Cloud
+ - Offering::Integration
+ - Submitted Data Type::Logs
+ configuration: README.md#Setup
+ description: Cisco Secure Email Threat Defense メッセージログのインサイトを取得。
+ media:
+ - caption: Cisco Secure Email Threat Defense
+ image_url: images/cisco_secure_email_threat_defense.png
+ media_type: image
+ overview: README.md#Overview
+ support: README.md#Support
+ title: Cisco Secure Email Threat Defense
+---
+
+
+## 概要
+
+[Cisco Secure Email Threat Defense][1] は、Microsoft 365 向けのクラウドネイティブな統合型セキュリティソリューションです。デプロイの簡易性、攻撃に対する修復の容易性、インバウンド、アウトバウンド、内部ユーザー間のメッセージに対する優れた可視性の提供に重点を置いています。
+
+This integration ingests the following logs:
+- メッセージ: メッセージログは、分析と監視のため、送信者、受信者、タイムスタンプ、件名、脅威関連データなど、メール通信に関する詳細情報を提供します。
+
+Cisco Secure Email Threat Defense インテグレーションでは、すぐに使えるダッシュボードが提供されるため、Cisco Secure Email Threat Defense のメッセージログに関するインサイトを得て、必要な対応を取ることができます。また、標準の検出ルールを利用することで、潜在的なセキュリティ脅威を効果的に監視して、対応することができます。
+
+**免責事項**: 本インテグレーションは、個人情報を含むデータを収集する可能性があり、Datadog との契約に従って使用されるものとします。Cisco は、インテグレーションを使用することで送信される、エンドユーザー情報 (個人データを含む) のプライバシー、セキュリティ、または完全性について責任を負いません。
+
+## セットアップ
+
+### Cisco Secure Email Threat Defense で API 認証情報を生成する
+
+1. Cisco Secure Email Threat Defense の UI にログインします。
+2. **Administration** に移動し、**API Clients** タブを選択します。
+3. **Add New Client** をクリックします。
+4. **Client Name** を入力し、オプションで説明を入力します。
+5. **Submit** をクリックします。これにより、**クライアント ID** と **クライアント パスワード** が生成されます。
+6. **API Key** セクションから API キーを取得します。
+
+### Cisco Secure Email Threat Defense アカウントを Datadog に接続する
+
+1. Cisco Secure Email Threat Defense の認証情報を追加します。
+
+ | パラメーター | 説明 |
+ | ---------- | ----------- |
+ | Host Name | ホスト名は、Cisco Secure Email Threat Defense サーバーのあるリージョンによって決まります。詳細については、システム管理者にお問い合わせください。|
+ | Client ID | Cisco Secure Email Threat Defense アカウントのクライアント ID。 |
+ | Client Password | Cisco Secure Email Threat Defense アカウントのクライアントパスワード。 |
+ | API Key | Cisco Secure Email Threat Defense アカウントの API キー。 |
+ | Verdict Delay | イベントは、Verdict Delay で指定した時間 (分) 後に遅延取得されます。 |
+
+
+2. **Save** ボタンをクリックして設定を保存します。
+
+
+## 収集データ
+
+### ログ
+
+Cisco Secure Email Threat Defense インテグレーションは、Cisco Secure Email Threat Defense のメッセージログを収集し、Datadog に転送します。このインテグレーションにより、scam、malicious、phishing、BEC、spam、graymail、neutral の判定値を持つメッセージが取り込まれます。
+
+**注**: イベントは、Verdict Delay で指定された時間の遅延後に取得されます。この遅延は、ログにレトロスペクティブな判定を含めるために必要です。ただし、更新に要する時間はさまざまであるため、すべてのレトロスペクティブ判定がこの時間枠内に反映される保証はありません。完全な判定情報を確認するには、Cisco Secure Email Threat Defense システムにログインしてください。
+
+### メトリクス
+
+Cisco Secure Email Threat Defense インテグレーションにはメトリクスは含まれていません。
+
+### イベント
+
+Cisco Secure Email Threat Defense インテグレーションにはイベントは含まれていません。
+
+## サポート
+
+追加のサポートが必要な場合は、[Datadog サポート][2]にお問い合わせください。
+
+[1]: https://www.cisco.com/site/us/en/products/security/secure-email/index.html?dtid=osscdc000283
+[2]: https://docs.datadoghq.com/ja/help/
\ No newline at end of file
diff --git a/content/ja/integrations/cloudera.md b/content/ja/integrations/cloudera.md
index 617dbe2bbc69b..ba26bbcaf79a9 100644
--- a/content/ja/integrations/cloudera.md
+++ b/content/ja/integrations/cloudera.md
@@ -1,123 +1,72 @@
---
app_id: cloudera
-app_uuid: 526ca1e8-f474-49cd-9a79-6cfe75de15fe
-assets:
- dashboards:
- Cloudera Data Platform Overview: assets/dashboards/cloudera_overview.json
- integration:
- auto_install: true
- configuration:
- spec: assets/configuration/spec.yaml
- events:
- creates_events: false
- metrics:
- check: cloudera.cluster.cpu_percent_across_hosts
- metadata_path: metadata.csv
- prefix: cloudera.
- process_signatures:
- - cdp
- service_checks:
- metadata_path: assets/service_checks.json
- source_type_id: 10318
- source_type_name: Cloudera
- monitors:
- Cloudera High CPU Usage: assets/monitors/cloudera_high_cpu.json
-author:
- homepage: https://www.datadoghq.com
- name: Datadog
- sales_email: info@datadoghq.com (日本語対応)
- support_email: help@datadoghq.com
categories:
- クラウド
- data stores
-custom_kind: integration
-dependencies:
-- https://github.com/DataDog/integrations-core/blob/master/cloudera/README.md
-display_on_public_website: true
-draft: false
-git_integration_title: cloudera
-integration_id: cloudera
-integration_title: Cloudera
-integration_version: 2.2.0
-is_public: true
-manifest_version: 2.0.0
-name: cloudera
-public_title: Cloudera
-short_description: Cloudera
+custom_kind: インテグレーション
+description: Cloudera
+further_reading:
+- link: https://www.datadoghq.com/blog/cloudera-integration-announcement/
+ tag: blog
+ text: Gain visibility into your Cloudera clusters with Datadog
+integration_version: 3.2.0
+media: []
supported_os:
- linux
- windows
- macos
-tile:
- changelog: CHANGELOG.md
- classifier_tags:
- - Category::Cloud
- - Supported OS::Linux
- - Supported OS::Windows
- - Supported OS::macOS
- - Category::Data Stores
- - Submitted Data Type::Metrics
- - Offering::Integration
- configuration: README.md#Setup
- description: Cloudera
- media: []
- overview: README.md#Overview
- resources:
- - resource_type: blog
- url: https://www.datadoghq.com/blog/cloudera-integration-announcement/
- support: README.md#Support
- title: Cloudera
+title: Cloudera
---
-
-
-
-
## 概要
-このインテグレーションは、Datadog Agent を通じて [Cloudera Data Platform][1] をモニタリングし、Cloudera Data Hub クラスター、ホスト、ロールの健全性に関するメトリクスとサービスチェックを送信できるようにします。
+This integration monitors your [Cloudera Data Platform](https://www.cloudera.com/products/cloudera-data-platform.html) through the Datadog Agent, allowing you to submit metrics and service checks on the health of your Cloudera Data Hub clusters, hosts, and roles.
## セットアップ
-ホストで実行されている Agent 用にこのチェックをインストールおよび構成する場合は、以下の手順に従ってください。コンテナ環境の場合は、[オートディスカバリーのインテグレーションテンプレート][2]のガイドを参照してこの手順を行ってください。
+Follow the instructions below to install and configure this check for an Agent running on a host. For containerized environments, see the [Autodiscovery Integration Templates](https://docs.datadoghq.com/agent/kubernetes/integrations/) for guidance on applying these instructions.
### インストール
-Cloudera チェックは [Datadog Agent][3] パッケージに含まれています。
-サーバーに追加でインストールする必要はありません。
+The Cloudera check is included in the [Datadog Agent](https://app.datadoghq.com/account/settings/agent/latest) package.
+No additional installation is needed on your server.
-### 構成
+### 設定
#### 要件
-The Cloudera check requires version 7 of Cloudera Manager.
+
+Cloudera チェックを実行するには、Cloudera Manager バージョン 7 が必要です。
#### Prepare Cloudera Manager
+
1. Cloudera Data Platform で、Management Console に移動し、**User Management** タブをクリックします。
-![User Management][4]
+ 
-2. **Actions**、**Create Machine User** の順にクリックし、Datadog Agent を通じて Cloudera Manager にクエリを行うマシンユーザーを作成します。
-![Create Machine User][5]
+1. **Actions**、**Create Machine User** の順にクリックし、Datadog Agent を通じて Cloudera Manager にクエリを行うマシンユーザーを作成します。
+ 
-3. ワークロードパスワードが設定されていない場合は、ユーザー作成後、**Set Workload Password** をクリックしてください。
-![Set Workload Password][6]
+1. ワークロードパスワードが設定されていない場合は、ユーザー作成後、**Set Workload Password** をクリックしてください。
+ 
{{< tabs >}}
-{{% tab "ホスト" %}}
+
+{{% tab "Host" %}}
#### ホスト
-1. Cloudera クラスターとホストのデータの収集を開始するには、Agent のコンフィギュレーションディレクトリのルートにある `conf.d/` フォルダーの `cloudera.d/conf.yaml` ファイルを編集します。使用可能なすべてのコンフィギュレーションオプションの詳細については、[cloudera.d/conf.yaml のサンプル][1]を参照してください。
-**注**: `api_url`の末尾には、API バージョンを記述する必要があります。
+
+1. Edit the `cloudera.d/conf.yaml` file, in the `conf.d/` folder at the root of your Agent's configuration directory to start collecting your Cloudera cluster and host data. See the [sample cloudera.d/conf.yaml](https://github.com/DataDog/integrations-core/blob/master/cloudera/datadog_checks/cloudera/data/conf.yaml.example) for all available configuration options.\
+ **注**: `api_url`の末尾には、API バージョンを記述する必要があります。
```yaml
init_config:
## @param workload_username - string - required
- ## The Workload username. This value can be found in the `User Management` tab of the Management
+ ## The Workload username. This value can be found in the `User Management` tab of the Management
## Console in the `Workload User Name`.
#
workload_username: (gauge) | Percent of the Host CPU Usage metric computed across all this entity's descendant Host entities
_Shown as percent_ | +| **cloudera.cluster.total_bytes_receive_rate_across_network_interfaces**
(gauge) | The sum of the Bytes Received metric computed across all this entity's descendant Network Interface entities
_Shown as byte_ | +| **cloudera.cluster.total_bytes_transmit_rate_across_network_interfaces**
(gauge) | The sum of the Bytes Transmitted metric computed across all this entity's descendant Network Interface entities
_Shown as byte_ | +| **cloudera.cluster.total_read_bytes_rate_across_disks**
(gauge) | The sum of the Disk Bytes Read metric computed across all this entity's descendant Disk entities
_Shown as byte_ | +| **cloudera.cluster.total_write_bytes_rate_across_disks**
(gauge) | The sum of the Disk Bytes Written metric computed across all this entity's descendant Disk entities
_Shown as byte_ | +| **cloudera.disk.await_read_time**
(gauge) | The average disk await read time of the entity
_Shown as millisecond_ | +| **cloudera.disk.await_time**
(gauge) | The average disk await time of the entity
_Shown as millisecond_ | +| **cloudera.disk.await_write_time**
(gauge) | The average disk await write time of the entity
_Shown as millisecond_ | +| **cloudera.disk.service_time**
(gauge) | The average disk service time of the entity
_Shown as millisecond_ | +| **cloudera.host.alerts_rate**
(gauge) | The number of alerts per second
_Shown as event_ | +| **cloudera.host.cpu_iowait_rate**
(gauge) | Total CPU iowait time| +| **cloudera.host.cpu_irq_rate**
(gauge) | Total CPU IRQ time| +| **cloudera.host.cpu_nice_rate**
(gauge) | Total CPU nice time| +| **cloudera.host.cpu_soft_irq_rate**
(gauge) | Total CPU soft IRQ time| +| **cloudera.host.cpu_steal_rate**
(gauge) | Stolen time, which is the time spent in other operating systems when running in a virtualized environment| +| **cloudera.host.cpu_system_rate**
(gauge) | Total System CPU| +| **cloudera.host.cpu_user_rate**
(gauge) | Total CPU user time| +| **cloudera.host.events_critical_rate**
(gauge) | The number of critical events| +| **cloudera.host.events_important_rate**
(gauge) | The number of important events| +| **cloudera.host.health_bad_rate**
(gauge) | Percentage of Time with Bad Health| +| **cloudera.host.health_concerning_rate**
(gauge) | Percentage of Time with Concerning Health| +| **cloudera.host.health_disabled_rate**
(gauge) | Percentage of Time with Disabled Health| +| **cloudera.host.health_good_rate**
(gauge) | Percentage of Time with Good Health| +| **cloudera.host.health_unknown_rate**
(gauge) | Percentage of Time with Unknown Health| +| **cloudera.host.load_1**
(gauge) | Load Average over 1 minute| +| **cloudera.host.load_15**
(gauge) | Load Average over 15 minutes| +| **cloudera.host.load_5**
(gauge) | Load Average over 5 minutes| +| **cloudera.host.num_cores**
(gauge) | Total number of cores| +| **cloudera.host.num_physical_cores**
(gauge) | Total number of physical cores| +| **cloudera.host.physical_memory_buffers**
(gauge) | The amount of physical memory devoted to temporary storage for raw disk blocks
_Shown as byte_ | +| **cloudera.host.physical_memory_cached**
(gauge) | The amount of physical memory used for files read from the disk. This is commonly referred to as the pagecache
_Shown as byte_ | +| **cloudera.host.physical_memory_total**
(gauge) | The total physical memory available
_Shown as byte_ | +| **cloudera.host.physical_memory_used**
(gauge) | The total amount of memory being used, excluding buffers and cache
_Shown as byte_ | +| **cloudera.host.swap_out_rate**
(gauge) | Memory swapped out to disk
_Shown as page_ | +| **cloudera.host.swap_used**
(gauge) | Swap used
_Shown as byte_ | +| **cloudera.host.total_bytes_receive_rate_across_network_interfaces**
(gauge) | The sum of the Bytes Received metric computed across all this entity's descendant Network Interface entities
_Shown as byte_ | +| **cloudera.host.total_bytes_transmit_rate_across_network_interfaces**
(gauge) | The sum of the Bytes Transmitted metric computed across all this entity's descendant Network Interface entities
_Shown as byte_ | +| **cloudera.host.total_phys_mem_bytes**
(gauge) | Total physical memory in bytes
_Shown as byte_ | +| **cloudera.host.total_read_bytes_rate_across_disks**
(gauge) | The sum of the Disk Bytes Read metric computed across all this entity's descendant Disk entities
_Shown as byte_ | +| **cloudera.host.total_read_ios_rate_across_disks**
(gauge) | The sum of the Disk Reads metric computed across all this entity's descendant Disk entities
_Shown as operation_ | +| **cloudera.host.total_write_bytes_rate_across_disks**
(gauge) | The sum of the Disk Bytes Written metric computed across all this entity's descendant Disk entities
_Shown as byte_ | +| **cloudera.host.total_write_ios_rate_across_disks**
(gauge) | The sum of the Disk Writes metric computed across all this entity's descendant Disk entities
_Shown as operation_ | +| **cloudera.role.cpu_system_rate**
(gauge) | Total System CPU| +| **cloudera.role.cpu_user_rate**
(gauge) | Total CPU user time| +| **cloudera.role.mem_rss**
(gauge) | Resident memory used
_Shown as byte_ | ### イベント @@ -238,27 +232,46 @@ Cloudera インテグレーションは、Cloudera Manager API の `/events` エ | `IMPORTANT` | `info` | | `CRITICAL` | `error` | -### サービスチェック -{{< get-service-checks-from-git "cloudera" >}} +### サービス チェック + +**cloudera.can_connect** + +Returns `OK` if the check is able to connect to the Cloudera Manager API and collect metrics, `CRITICAL` otherwise. + +_Statuses: ok, critical_ +**cloudera.cluster.health** + +Returns `OK` if the cluster is in good health or is starting, `WARNING` if the cluster is stopping or the health is concerning, `CRITICAL` if the cluster is down or in bad health, and `UNKNOWN` otherwise. + +_Statuses: ok, critical, warning, unknown_ + +**cloudera.host.health** + +Returns `OK` if the host is in good health or is starting, `WARNING` if the host is stopping or the health is concerning, `CRITICAL` if the host is down or in bad health, and `UNKNOWN` otherwise. + +_Statuses: ok, critical, warning, unknown_ ## トラブルシューティング ### Cloudera ホスト上の Datadog インテグレーションのメトリクスを収集する -Cloudera ホストに Datadog Agent をインストールするには、ホストに関連付けられたセキュリティグループが SSH アクセスを許可していることを確認します。 -そして、環境作成時に生成した SSH キーでホストにアクセスする際に、[ルートユーザー `cloudbreak`][9] を使用する必要があります。 + +To install the Datadog Agent on a Cloudera host, make sure that the security group associated with the host allows SSH access. +Then, you need to use the [root user `cloudbreak`](https://docs.cloudera.com/data-hub/cloud/access-clusters/topics/mc-accessing-cluster-via-ssh.html) when accessing the host with the SSH key generated during the environment creation: ``` sudo ssh -i "/path/to/key.pem" cloudbreak@
構文、演算子、関数については、Expression Language を参照してください
+
## 概要
計算フィールドを使用して、クエリ実行時にログデータを変換および拡張します。 以下の操作を行うための[数式](#formula)を定義します。
@@ -50,14 +56,13 @@ Log Explorer で計算フィールドを作成するには、**Add** メニュ
### 計算フィールドの定義
-
-{{< img src="logs/explorer/calculated_fields/define_calculated_field.png" alt="スループット用の計算フィールド。network.bytes 属性を期間属性で割る式" style="width:50%;" >}}
+{{< img src="logs/explorer/calculated_fields/define_a_calculated_field.png" alt="スループット用の計算フィールド。firstName 属性と lastName 属性を連結する式" style="width:70%;" >}}
#### 名前
-計算フィールドの目的を明確に示すわかりやすい名前を設定します。 例えば、ユーザーの姓と名の両方を大文字にして 1 つのフィールドに結合することが目的である場合、計算フィールドの名前として `formatted_name` を使用できます。その後 `Bob Smith` というユーザーのログをフィルタリングするには、クエリを更新して `#formatted_name:"Bob Smith"` を含めます。
+計算フィールドの目的を明確に示すわかりやすい名前を設定します。例えば、ユーザーの姓と名を組み合わせて 1 つのフィールドにする場合、計算フィールドに `fullName` という名前を付けることができます。
-**注:** 検索、集計、または他の計算フィールド定義で計算フィールドを参照するには、`#` プレフィックスを使用する必要があります。
+`Pinkie Smith` という名前のユーザーのログを抽出するには、クエリに計算フィールド名 `#fullName:"Pinkie Smith"` を含めます。**注:** 検索、集計、または他の計算フィールド定義で計算フィールドを参照するには、`#` プレフィックスを使用する必要があります。
#### 計算式
@@ -73,7 +78,7 @@ Log Explorer で計算フィールドを作成するには、**Add** メニュ
- 計算フィールド用の列を **[List][8]** の可視化に含めます。 タイトルには # プレフィックスが含まれます。
- ログサイドパネル内の別のセクションに計算フィールドを表示します。
-計算フィールドはログ属性のように機能し、検索、集計、可視化、さらに他の計算フィールドの定義に使用できます。計算フィールド名を参照する際には、# プレフィックスを忘れずに付けてください。
+計算フィールドはログ属性のように機能し、検索、集計、可視化、さらには他の計算フィールドの定義にも使用できます。計算フィールド名を参照する際は、`#` プレフィックスを忘れずに使用してください。
{{< img src="logs/explorer/calculated_fields/calculated_field.png" alt="Log Explorer で結果をフィルタリングするために使用される request_duration という計算フィールド" style="width:100%;" >}}
diff --git a/content/ja/metrics/custom_metrics/dogstatsd_metrics_submission.md b/content/ja/metrics/custom_metrics/dogstatsd_metrics_submission.md
index 7413188ee9431..37b752420b103 100644
--- a/content/ja/metrics/custom_metrics/dogstatsd_metrics_submission.md
+++ b/content/ja/metrics/custom_metrics/dogstatsd_metrics_submission.md
@@ -43,7 +43,6 @@ StatsD がメトリクスのみを受け付けるのに対して、DogStatsD は
`count(Status Graphs は 暫定 Monitor Status Page の一部です。従来の Status Page を使用している場合は、Status Page (レガシー) のドキュメントを参照してください。
+
+## 概要
+
+Monitor Status Page に表示されるグラフは、単一 Monitor の評価内容を可視化します。これらのグラフを利用すると、Monitor が `ALERT` 状態になる理由と、トラブルシューティングを集中すべき箇所を把握できます。
+
+## Monitor metadata
+
+{{< img src="/monitors/status/graphs/status_graph_metadata.png" alt="Status ページの右側にある Monitor メタデータ セクション" style="width:100%;" >}}
+
+Monitor Status Page のグラフ セクション右側のパネルでは、Monitor の概要を確認できます。含まれる項目は次のとおりです。
+
+| | Description |
+| ---- | ---- |
+| Groups | ステータスごとのグループ数 (`ALERT`, `WARN`, `NO DATA`, `OK`) |
+| Visualize as | Evaluated Data、Source Data、Transitions の各グラフを切り替えるグラフ セレクター |
+| Query | 生の Monitor クエリ。Monitor には、データ タイプに応じて Event Explorer や Metric Explorer などの該当ページへの動的リンクが含まれます。 |
+| Evaluation | 評価ウィンドウとともに Query に適用される集計方法 |
+| Notification count | この Monitor から送信された通知の数 |
+
+
+## グループまたはステータスでページをフィルター
+
+Query によっては、Monitor に複数のグループが存在する場合があります。特定のグループに絞り込みたい場合は、フィルター ドロップダウンで目的のグループを選択してください。
+
+{{< img src="/monitors/status/view_monitor_evaluations_graphs_1.png" alt="テンプレート変数でフィルターした Monitor Status Page の例" style="width:100%;" >}}
+
+ページの表示対象は次の基準で絞り込めます:
+
+Group status
+: 選択したステータスにあるグループのみを表示します。
+
+Muted state
+: ミュート中かどうかでグループを絞り込みます。
+
+Group names
+: 選択したタグを持つグループのみを表示します。
+
+## Evaluated data グラフ
+
+Evaluated data のビジュアルは Monitor 固有で、個々の評価結果を表示します。たとえば、Monitor が直近 5 分間の平均を評価する場合、各データ ポイントは評価時点における 5 分平均の集計値を表します。
+
+このビジュアルは Monitor の設定に合わせて、評価設定を用いて Monitor の過去および現在のステータスを表示します。グラフにはグループ別のステータスが示されます。
+
+{{< img src="/monitors/status/graphs/status_page_demo.mp4" alt="イベント詳細およびグループへのフィルターを含む Evaluated Data UI 機能のウォークスルー" video=true >}}
+
+ステータス変更 (`WARN` から `ALERT` への変化など) の詳細を確認するには、グラフ上のアラート イベントをクリックし、 **Event Details** セクションを参照してください。
+
+特定のグループのみを表示するには、グループ タイトルにカーソルを合わせ、ツールチップの **Filter to Group** をクリックします。
+
+{{< img src="/monitors/status/graphs/current_status_dot.png" alt="現在のステータスが WARN であることを示す WARN ドット付き OK グラフの Evaluated Data グラフ" style="width:100%;" >}}
+
+過去のステータス変更を調査する際は、グループ タイトル横のカラードットがそのグループの現在のステータスを示します。
+
+### Change Tracking
+Change Tracking グラフでは、アラートとほぼ同時に発生したサービスやその依存関係に関連する変更を表示・分析できます。これらのイベントは問題の根本原因であることが多いためです。
+
+{{< img src="/monitors/status/change_tracking_monitor_status_page.png" alt="Monitor Status Page に表示されたデプロイメントの例" style="width:100%;" >}}
+
+Change Tracking はデプロイ、フィーチャー フラグ、データベース変更など複数種類の変更をサポートします。詳細な一覧とセットアップ要件は [Change Tracking][2] ドキュメントを参照してください。
+
+## Source データ グラフ
+
+{{< img src="/monitors/status/source_data_graph_1.png" alt="Source データ グラフを表示する Status Page" style="width:100%;" >}}
+
+Source グラフは、ダッシュボードやノートブックで表示されるものと同様に、Monitor の基盤となるデータ クエリを可視化します。このグラフを使用して、生データの推移を確認し、データの変動や異常がアラートを発生させているかを検証できます。
+
+また、このグラフを使用して生データと期待されるメトリクスの不一致を特定し、Monitor のステータスに影響するデータ収集または送信の問題を示唆できます。
+
+### Source データ グラフの制限事項
+
+暫定 Status Page では、次の Monitor タイプはサポートされていません:
+
+- Anomaly
+- Cloud Cost
+- Composite
+- Database Monitoring
+- Forecast
+- Live Process
+- Outlier
+- Synthetics
+- SLO Alerts
+- Usage
+
+## Transitions
+
+Transitions グラフは、グループごとに Monitor の状態遷移を時間軸上に表示し、どのグループがアラートをトリガーしているかを示します。
+
+### Non reporting
+
+{{< img src="/monitors/status/graphs/non_reporting_transitions_1.png" alt="Non Reporting データを表示する Transitions グラフ" style="width:100%;" >}}
+
+Datadog では、Monitor グループを UI に 24 時間保持します (設定で変更可能) 。詳細は [グループ保持期間][1] を参照してください。グラフの点線は次のことを示します:
+
+* Monitor 作成後に新たに評価されたグループ: 期間開始から初回評価まで点線で表示
+* レポートを停止した後に再開したグループ: レポートが途切れた時点から再開時点まで点線で表示
+
+**注**: non-reporting ステータスは「no data」ステータスとは異なります。欠損データ通知を有効にした Host Monitor および Service Check は 48 時間利用可能です。
+
+## 参考資料
+
+{{< partial name="whats-next/whats-next.html" >}}
+
+[1]: /ja/monitors/configuration/?tab=thresholdalert#group-retention-time
+[2]: /ja/change_tracking
\ No newline at end of file
diff --git a/content/ja/monitors/types/host.md b/content/ja/monitors/types/host.md
index 0ff2e2e742777..2bccc22d6dd90 100644
--- a/content/ja/monitors/types/host.md
+++ b/content/ja/monitors/types/host.md
@@ -13,7 +13,7 @@ further_reading:
- link: /monitors/downtimes/
tag: ドキュメント
text: モニターをミュートするダウンタイムのスケジュール
-- link: /monitors/manage/status/
+- link: /monitors/status/
tag: ドキュメント
text: モニターステータスの参照
title: ホストモニター
@@ -21,71 +21,71 @@ title: ホストモニター
## 概要
-Infrastructure monitoring provides visibility into your entire IT environment, including cloud-hosted and on-prem servers, through many integrations. Use the Host monitor to stay informed on which hosts are or are not submitting data to ensure continuous visibility.
+インフラストラクチャー モニタリングは、多数のインテグレーションを通じて、クラウド ホストおよびオンプレミス サーバーを含む IT 環境全体の可視性を提供します。継続的な可視性を確保するために、Host モニターを使用して、どのホストがデータを送信しているか、または送信していないかを把握します。
すべての Datadog Agent は、ステータスが `OK` の `datadog.agent.up` というサービスチェックを報告します。ホストモニターを使用して、1 つ以上のホストでこのチェックを監視できます。
-AIX Agents do not report the
+AIX Agent は datadog.agent.up サービスチェックを報告しませんが、datadog.agent.running メトリクスを使用して AIX Agent の稼働時間を監視することができます。このメトリクスは、Agent が Datadog に報告している場合、1 を出力します。
-## Monitor creation
+## モニターの作成
-To create a [host monitor][1] in Datadog, use the main navigation: *Monitors --> New Monitor --> Host*.
+Datadog で[ホストモニター][1]を作成するには、メインナビゲーションを使用して次のように移動します: *Monitors --> New Monitor --> Host*。
-### Pick hosts by name or tag
+### ホストを名前またはタグで選ぶ
-Select the hosts to monitor by choosing host names, tags, or choose `All Monitored Hosts`. If you need to exclude certain hosts, use the second field to list names or tags.
+ホスト名、タグ、または `All Monitored Hosts` を選択して、監視するホストを決定します。特定のホストを除外する必要がある場合は、2 番目のフィールドに名前やタグをリストアップします。
-- The include field uses `AND` logic. All listed names and tags must be present on a host for it to be included.
-- The exclude field uses `OR` logic. Any host with a listed name or tag is excluded.
+- インクルードフィールドでは `AND` ロジックを使用します。ホストに存在するリストアップされたすべての名前とタグはスコープに含まれます。
+- エクスクルードフィールドでは `OR` ロジックを使用します。リストアップされた名前やタグを持つホストはスコープから除外されます。
-#### Examples
+#### 例
-| Monitor | Include | Exclude |
+| モニター | 含める | 除外する |
|--------------------------------------------------------|-----------------------|-------------|
-| Include all hosts with the tag `env:prod` | `env:prod` | leave empty |
-| Include all hosts except hosts with the tag `env:test` | `All Monitored Hosts` | `env:test` |
+| タグ `env:prod` を持つすべてのホストを含めます | `env:prod` | 空のままにする |
+| タグ `env:test` を持つホストを除くすべてのホストを含めます | `All Monitored Hosts` | `env:test` |
-### Set alert conditions
+### アラートの条件を設定する
-In this section, choose between a **Check Alert** or **Cluster Alert**:
+このセクションで、**Check Alert** または **Cluster Alert** を選択します。
{{< tabs >}}
{{% tab "Check Alert" %}}
-A check alert tracks if a host stops reporting for a given amount of time. Too much time following a check run can be a sign of problems with data submission from the host.
+チェックアラートは、ホストが一定時間レポートを停止したかどうかを追跡します。チェック実行後の時間が長すぎると、ホストからのデータ送信に関する問題の兆候になります。
-Enter the number of minutes to check for missing data. The default value is 2 minutes.
+欠落データを確認する分数を入力します。デフォルト値は 2 分です。
-If `datadog.agent.up` stops reporting an `OK` status for more than the minutes specified, an alert is triggered.
+`datadog.agent.up` が指定された分数以上 `OK` ステータスのレポートを停止すると、アラートがトリガーされます。
{{% /tab %}}
{{% tab "Cluster Alert" %}}
-A cluster alert tracks if some percentage of hosts have stopped reporting for a given amount of time.
+クラスターアラートは、一定時間、ホストの一部がレポートを停止したかどうかを追跡します。
-To set up a cluster alert:
+クラスターアラートをセットアップするには
-1. Decide whether or not to group your hosts according to a tag. `Ungrouped` calculates the status percentage across all included hosts. `Grouped` calculates the status percentage on a per group basis.
-2. Select the percentage for alert and warn thresholds. Only one setting (alert or warn) is required.
-3. Enter the number of minutes to check for missing data. The default value is 2 minutes.
+1. タグによりホストをグループ化するかどうか決定します。`Ungrouped` は含まれるすべてのホストでステータスのパーセンテージを計算します。`Grouped` は各グループごとのステータスのパーセンテージを計算します。
+2. アラートと警告のしきい値の割合を選択します。1 つの設定（アラートまたは警告）のみ必須です。
+3. 欠落データを確認する分数を入力します。デフォルト値は 2 分です。
-If `datadog.agent.up` stops reporting an `OK` status for more than the minutes specified and the percentage threshold is reached, an alert is triggered.
+`datadog.agent.up` が指定された分数以上 `OK` ステータスのレポートを停止し、パーセンテージのしきい値に達すると、アラートがトリガーされます。
{{% /tab %}}
{{< /tabs >}}
-### Advanced alert conditions
+### 高度なアラート条件
-For detailed instructions on the advanced alert options (auto resolve, new group delay, etc.), see the [Monitor Configuration][2] page.
+高度なアラートオプション (自動解決、新しいグループ遅延など) の詳細な手順については、[モニターコンフィギュレーション][2]ページを参照してください。
-### Notifications
+### 通知
-For detailed instructions on the **Configure notifications and automations** section, see the [Notifications][3] page.
+**Configure notifications and automations** セクションの詳細な手順については、[通知][3] ページを参照してください。
-## Further Reading
+## その他の参考資料
{{< partial name="whats-next/whats-next.html" >}}
-[1]: https://app.datadoghq.com/monitors#create/host
+[1]: https://app.datadoghq.com/monitors/create/host
[2]: /ja/monitors/configuration/#advanced-alert-conditions
[3]: /ja/monitors/notify/
\ No newline at end of file
diff --git a/content/ja/observability_pipelines/destinations/amazon_opensearch.md b/content/ja/observability_pipelines/destinations/amazon_opensearch.md
new file mode 100644
index 0000000000000..cb441cb789c5b
--- /dev/null
+++ b/content/ja/observability_pipelines/destinations/amazon_opensearch.md
@@ -0,0 +1,31 @@
+---
+disable_toc: false
+title: Amazon OpenSearch Destination
+---
+
+Observability Pipelines の Amazon OpenSearch Destination を使用して、ログを Amazon OpenSearch に送信します。
+
+## セットアップ
+
+[パイプラインをセットアップする][1] 際に、Amazon OpenSearch Destination とその環境変数を設定します。以下の情報は Pipelines UI で構成します。
+
+### Set up the destination
+
+{{% observability_pipelines/destination_settings/amazon_opensearch %}}
+
+### Set the environment variables
+
+{{% observability_pipelines/configure_existing_pipelines/destination_env_vars/amazon_opensearch %}}
+
+## Destination の動作
+
+### イベントのバッチ処理
+
+A batch of events is flushed when one of these parameters is met. See [event batching][2] for more information.
+
+| Max Events | Max Bytes | タイムアウト (秒) |
+|----------------|-----------------|---------------------|
+| なし | 10,000,000 | 1 |
+
+[1]: https://app.datadoghq.com/observability-pipelines
+[2]: /ja/observability_pipelines/destinations/#event-batching
\ No newline at end of file
diff --git a/content/ja/observability_pipelines/legacy/setup/datadog.md b/content/ja/observability_pipelines/legacy/setup/datadog.md
index f60ef67ff524f..0f6dc7229c246 100644
--- a/content/ja/observability_pipelines/legacy/setup/datadog.md
+++ b/content/ja/observability_pipelines/legacy/setup/datadog.md
@@ -15,6 +15,10 @@ further_reading:
text: 観測可能性パイプラインによる安心・安全なローカル処理
title: (レガシー) Datadog で Observability Pipelines をセットアップする
---
+
+{{< site-region region="gov" >}}
+datadog.agent.up service check. You can use the metric datadog.agent.running to monitor the uptime of an AIX Agent. The metric emits a value of 1 if the Agent is reporting to Datadog.Observability Pipelines は US1-FED Datadog サイト では利用できません。
+{{< /site-region >}}
{{% observability_pipelines/legacy_warning %}}
@@ -391,10 +395,10 @@ Worker をスケーリングする際のロードバランサーの推奨事項
[1]: /ja/observability_pipelines/legacy/architecture/capacity_planning_scaling/
{{% /tab %}}
-{{% tab "APT ベースの Linux" %}}
+{{% tab "APT-based Linux" %}}
インストールの単一マシンの性質上、ロードバランシングの組み込みサポートは提供されていません。会社の基準を使用して独自のロードバランサーをプロビジョニングする必要があります。
{{% /tab %}}
-{{% tab "RPM ベースの Linux" %}}
+{{% tab "RPM-based Linux" %}}
インストールの単一マシンの性質上、ロードバランシングの組み込みサポートは提供されていません。会社の基準を使用して独自のロードバランサーをプロビジョニングする必要があります。
{{% /tab %}}
{{% tab "Terraform (AWS)" %}}
diff --git a/content/ja/partners/getting_started/delivering-value.md b/content/ja/partners/getting_started/delivering-value.md
new file mode 100644
index 0000000000000..238b189f9b839
--- /dev/null
+++ b/content/ja/partners/getting_started/delivering-value.md
@@ -0,0 +1,196 @@
+---
+aliases:
+- /ja/partners/delivering-value/
+description: Datadog にデータを流した後の推奨ステップ。
+title: 価値の提供
+---
+
+データの取り込みを設定した後、さらにいくつかのステップを踏むことで、クライアントにとっての価値を最大化することができます。ここでは、注目すべき主要な領域をいくつか紹介します。
+
+## モニターとダウンタイムの設定
+
+モニターとアラートは、検査や介入が必要な特定のシステムやサービスに人間の注意を向けさせます。アラートを生成するために、Datadog は以下を提供します。
+- モニター - アラート条件の定義
+- ダウンタイム - アラートを発生させたり抑制したりする時間帯
+
+一般的なモニターの概念に慣れるために、以下の資料を参照してください。
+- [アラート設定][1]
+- [モニター入門 - 重要事項をアラート][2] (ブログ)
+- [モニタリング入門][3] (トレーニング)
+
+### モニターの移行
+
+サービスプロバイダーは、しばしばクライアントを別のモニタリングまたは観測可能性プラットフォームから Datadog に移行する必要があります。このような場合、以前のソリューションのモニターを Datadog で複製することが論理的に思えるかもしれません。このアプローチでは、Datadog の最も有用な機能の多くが使用されないままになってしまうことがよくあります。特に、問題の検出と解決時間を改善したり、アラート疲労を軽減したりする機能は見逃せません。
+
+移行プロジェクトを開始する前に、既存のアラートおよびしきい値の定義を確認し、以下の質問に回答してください。
+- メトリクスに時間的な変動がありますか？[異常モニター][4]の方が良いかもしれません。
+- メトリクスに負荷に応じた変動がありますか？メトリクスに負荷を示すメトリクスを組み合わせることで、[演算モニター][5]が最適なアプローチとなるかもしれません。例えば、あるサービスを利用するユーザーが多ければ、システムの負荷は高くなる可能性があります。
+- メトリクスの絶対値は、変化率よりも重要ではないですか？[変化モニター][6]や[予測モニター][7]が最適なアプローチかもしれません。
+- メトリクスの値そのものは、他のホストやエンティティの値と異なるかどうかよりも重要性が低いですか？例えば、クラスター内のあるノードが高いレイテンシーを経験しているのに、他のノードはそうでない場合などです。このようなシナリオでは、[外れ値モニター][8]が最適なアプローチとなります。
+- 複数のメトリクスを組み合わせたものだけが、アクションを起こせる状況を示しますか？[複合条件モニター][9]は、スクリプトを必要としない解決策を提供します。
+
+### プログラムモニター管理
+
+サービスプロバイダーとして、あなたやクライアントのためのモニターの管理は、次のいずれかの方法でプログラム的に達成するのが最善です。
+- [Datadog モニター API][10]
+- Terraform
+ - [Terraform を使った Datadog のリソース管理方法][11] (ビデオ)
+ - [Terraform Datadog Provider を使って監視を自動化する][12] (HashiCorp Tutorial)
+
+大量のモニターを簡単に管理するために、[モニターにタグを付ける][13]ことを徹底してください。
+
+### 推奨モニター
+
+クライアントが運用するテクノロジーで、自分があまり経験のないものに遭遇することがあります。Datadog は、新しいテクノロジーを迅速かつ自信を持って導入できるように、[推奨モニター][14]を提供しています。
+
+モニターについて詳しくは、こちらをご覧ください。
+- [モニターの管理][15]
+- [モニター][16]
+- [タグ値を使用したダイナミックアラートの作成][17] (ビデオ)
+- [モニター設定の変更が反映されない][18]
+
+### ダウンタイム
+
+モニターやアラートに関する一般的な問題として、アラームや通知の過多によりアラームに対する感覚が鈍るアラート疲労があります。アラート疲労に対処する 1 つの方法は、誤検出アラートの数を制限することです。これは、計画的なシステムのシャットダウン、メンテナンス、アップグレードウィンドウなどの管理された状況において特に適切です。
+
+Datadog のダウンタイムは、計画的 (またはアドホック) なメンテナンス時にモニターをミュートする方法をあなたやクライアントに提供します。
+
+ダウンタイムの管理、特にプログラムによる管理について詳しくは、こちらをご覧ください。
+- [ダウンタイム][19]
+- [計画されたダウンタイムのために Datadog アラートをミュートする][20] (ブログ)
+- [Datadog を Terraform で管理する][21] (ブログ)
+- [ダウンタイム API][22]
+- [ダウンタイムになったモニターからのアラートを防止する][23]
+
+### 通知
+
+通知に関する一般的なガイドラインをいくつか紹介します。
+- 自由なアラート、慎重なページ
+- 原因ではなく、症状に関するページ
+
+Datadog は、あなたやクライアントが重要なアラートをユーザーに通知できるよう、様々なチャンネルを提供しています。
+
+- メール通知
+- 以下などのインテグレーション
+ - [Slack][24]
+ - [PagerDuty][25]
+ - [Flowdock][26]
+ - [ServiceNow][27]
+ - [Google Chat][28]
+ - [Microsoft Teams][29]
+ - [その他にも多数あります][19]
+
+また、汎用的な [Webhooks インテグレーション][30]を使用して、任意の REST API を呼び出すことができます。Webhooks インテグレーションを使用すると、ユーザーに通知するだけでなく、自動的な修復ワークフローをトリガーすることができます。
+
+通知について詳しくは、こちらをご覧ください。
+- [通知][31]
+- [Webhooks と Twilio で SMS アラートを送る][32] (ブログ)
+
+## ダッシュボードを使って視覚化を設定する
+
+視覚化は、複雑な技術スタックや、収集された大量のメトリクスやイベントをクライアントに明確に伝えるための素晴らしい方法です。ダッシュボードは、あなたやクライアントがモニターから通知された潜在的な問題を調査するための自然な出発点です。
+
+### すぐに使えるダッシュボード
+
+Datadog は、Agent やクラウドインテグレーションをセットアップした瞬間に、新しく統合されたサービスやテクノロジーに対してすぐに使えるダッシュボードを自動的に有効にし、インサイトを即座に提供します。また、すぐに使えるダッシュボードの複製も可能で、カスタムダッシュボードの出発点として最適です。
+
+### カスタムダッシュボードの構築
+
+さまざまなペルソナに合わせたビジネス中心の視点を提供することで、さらなる価値を提供し、競合他社と差別化することができます。
+
+ここでは、ダッシュボードを構築する際に考慮すべきダッシュボードのベストプラクティスを紹介します。
+- 多すぎるリソースメトリクスよりも、ワークメトリクスに注目します。この違いを理解するには、[モニタリング入門: 正しいデータの収集][33] (ブログ) を参照してください。
+- [イベントオーバーレイ][34]を活用し、メトリクスとイベントの関連付けを行います。
+- ダッシュボードには、どのようなデータが表示され、ダッシュボードが問題を示している場合にどうすればよいか、[フリーテキスト情報][35]で注釈を付けます。
+
+ダッシュボードについて詳しくは、こちらをご覧ください。
+- [より良いダッシュボードの構築][36] (トレーニング)
+- [Datadog ノートブック][37]機能を使って探索的にデータを集め、ダッシュボードを起草する
+- [Datadog でデータセンターとネットワークを監視する][38] (ブログ)
+- [関連するテンプレート変数を使う][39] (ブログ)
+- [Datadog ダッシュボード API][40]
+- [Terraform と Datadog で観測可能性をコードで構成する][41] (HashiCorp ウェビナー)
+
+### Datadog にアクセスできないユーザー向けの視覚化
+
+ビジネスモデルによっては、クライアント自身が Datadog にアクセスする必要がない場合があります。しかし、クライアントに Datadog の視覚化を提供したい場合があります。Datadog の視覚化を提供するには、次のオプションがあります。
+- [ダッシュボードの共有][42]: 読み取り専用のダッシュボードへの公開 URL を共有することで、クライアントにステータスページを提供したり、個々のメールアドレスを使用してダッシュボードを非公開で共有することができます。
+ - サービスプロバイダーとして、ビジネスはスケーラブルであることが必要です。[Datadog の API を使用した共有ダッシュボードの管理][40]は、最も効率的なアプローチです。
+- 埋め込み可能なグラフ: クライアントポータルで Datadog の情報を表示する場合、埋め込み可能なグラフが有効です。パラメーターを使用すると、ニーズに合わせてデータをフィルターすることができます。詳細については、以下を参照してください。
+ - [埋め込み可能なグラフ API][43]
+ - [テンプレート変数による埋め込み可能なグラフ][44]
+
+### サービスレベル目標の設定
+
+クライアントに対して、サービスの品質やレベルを透明性のある形で継続的に提示することは、良いことです。サービスレベル目標 (SLO) は、クライアントに代わってサービス品質を監視・視覚化し、またクライアントが社内でサービスレベルに基づくレポーティングを実施する際にも有効な手段です。
+
+SLO を設定・管理する際には、以下の資料が参考になるかと思われます。
+- まずは、[サービスレベル目標入門: 効果的な SLO の確立][45] (ブログ) をご覧ください。
+- [SLO チェックリスト][46]
+- [Datadog で SLO を管理するためのベストプラクティス][47] (ブログ)
+- [Datadog ですべての SLO のステータスを追跡する][48] (ブログ)
+- [Datadog SLO API][49]
+
+## Watchdog の使用
+
+Watchdog は、アプリケーションやインフラストラクチャーの潜在的な問題を自動的に検出するアルゴリズム機能です。
+
+Watchdog が新たな不正を検出したときに通知を受け取ることができる Watchdog モニターを、自社のスタッフやクライアントのために設定します。
+
+詳しくは、[Watchdog][50] をご覧ください。
+
+## 次のステップ
+
+複数組織のアカウント設定において、Datadog プラットフォームの個々のクライアントおよび集計使用量を監視する方法を、[請求と使用量報告][51]でご確認ください。
+
+[1]: /ja/monitors
+[2]: https://www.datadoghq.com/blog/monitoring-101-alerting/
+[3]: https://learn.datadoghq.com/courses/introduction-to-observability
+[4]: /ja/monitors/types/anomaly/
+[5]: /ja/monitors/guide/monitor-arithmetic-and-sparse-metrics/
+[6]: /ja/monitors/types/metric/?tab=change
+[7]: /ja/monitors/types/forecasts/?tab=linear
+[8]: /ja/monitors/types/outlier/?tab=dbscan
+[9]: /ja/monitors/types/composite/
+[10]: /ja/api/latest/monitors/
+[11]: https://www.youtube.com/watch?v=Ell_kU4gEGI
+[12]: https://learn.hashicorp.com/tutorials/terraform/datadog-provider
+[13]: https://www.datadoghq.com/blog/tagging-best-practices-monitors/
+[14]: https://www.datadoghq.com/blog/datadog-recommended-monitors/
+[15]: /ja/monitors/manage/
+[16]: /ja/monitors/
+[17]: https://www.youtube.com/watch?v=Ma5pr-u9bjk
+[18]: /ja/monitors/guide/why-did-my-monitor-settings-change-not-take-effect/
+[19]: /ja/monitors/downtimes/
+[20]: https://www.datadoghq.com/blog/mute-datadog-alerts-planned-downtime/
+[21]: https://www.datadoghq.com/blog/managing-datadog-with-terraform/
+[22]: /ja/api/latest/downtimes/
+[23]: /ja/monitors/guide/prevent-alerts-from-monitors-that-were-in-downtime/
+[24]: /ja/integrations/slack/?tab=slackapplication
+[25]: /ja/integrations/pagerduty/
+[26]: /ja/integrations/flowdock/
+[27]: /ja/integrations/servicenow/
+[28]: /ja/integrations/google_hangouts_chat/
+[29]: /ja/integrations/microsoft_teams/
+[30]: /ja/integrations/webhooks/
+[31]: /ja/monitors/notify/
+[32]: https://www.datadoghq.com/blog/send-alerts-sms-customizable-webhooks-twilio/
+[33]: https://www.datadoghq.com/blog/monitoring-101-collecting-data/
+[34]: /ja/dashboards/widgets/timeseries/
+[35]: /ja/dashboards/widgets/free_text/
+[36]: https://learn.datadoghq.com/courses/building-better-dashboards
+[37]: /ja/notebooks/
+[38]: https://www.datadoghq.com/blog/network-device-monitoring/
+[39]: https://www.datadoghq.com/blog/template-variable-associated-values/
+[40]: /ja/api/latest/dashboards/
+[41]: https://www.hashicorp.com/resources/configure-observability-as-code-with-terraform-and-datadog
+[42]: /ja/dashboards/sharing/
+[43]: /ja/api/latest/embeddable-graphs/
+[44]: /ja/dashboards/guide/embeddable-graphs-with-template-variables/
+[45]: https://www.datadoghq.com/blog/establishing-service-level-objectives/
+[46]: /ja/service_management/service_level_objectives/guide/slo-checklist
+[47]: https://www.datadoghq.com/blog/define-and-manage-slos/
+[48]: https://www.datadoghq.com/blog/slo-monitoring-tracking/
+[49]: /ja/api/latest/service-level-objectives/
+[50]: /ja/monitors/types/watchdog/
+[51]: /ja/partners/billing-and-usage-reporting/
\ No newline at end of file
diff --git a/content/ja/real_user_monitoring/browser/advanced_configuration.md b/content/ja/real_user_monitoring/browser/advanced_configuration.md
index bd045d0fd18e5..5a1b8e972a5ce 100644
--- a/content/ja/real_user_monitoring/browser/advanced_configuration.md
+++ b/content/ja/real_user_monitoring/browser/advanced_configuration.md
@@ -35,7 +35,7 @@ RUM によって[収集されたデータおよびコンテキスト][1]を、
## デフォルトの RUM ビュー名をオーバーライドする
-RUM SDK は、ユーザーが新しいページにアクセスするたびに、またはページの URL が変更されたときに (シングルページアプリケーションの場合)、[ビューイベント][2]を自動的に生成します。ビュー名は現在のページの URL から計算され、可変英数字 ID は自動的に削除されます。たとえば、`/dashboard/1234` は `/dashboard/?` になります。
+RUM Browser SDK は、ユーザーが新しいページを閲覧するたび、またはシングル ページ アプリケーションでページ URL が変更されたときに、自動的に [ビュー イベント][2] を生成します。ビュー名は現在のページ URL から計算され、可変 ID は自動的に削除されます。少なくとも 1 つの数字を含むパス セグメントは可変 ID と見なされます。例えば、`/dashboard/1234` と `/dashboard/9a` は `/dashboard/?` になります。
[バージョン 2.17.0][3] からは、`trackViewsManually` オプションでビューイベントを手動で追跡することにより、ビュー名を追加して、チームが所有する専用サービスに割り当てることができます。
@@ -477,10 +477,7 @@ window.DD_RUM &&
ユーザーが複数のチームに所属している場合は、グローバルコンテキスト API を呼び出す際に、Key-Value ペアを追加してください。
-RUM ブラウザ SDK は以下を無視します。
-
-- `event.context` の外に追加された属性
-- RUM ビューイベントコンテキストに加えられた変更
+RUM Browser SDK は `event.context` 以外に追加された属性を無視します。
### 機能フラグで RUM イベントをリッチ化する
@@ -536,22 +533,36 @@ window.DD_RUM &&
次のイベントプロパティを更新できます。
-| 属性 | タイプ | 説明 |
-|-----------------------|-----------|-----------------------------------------------------------------------------------------------------|
-| `view.url` | 文字列 | アクティブな Web ページの URL。 |
-| `view.referrer` | 文字列 | 現在リクエストされているページへのリンクがたどられた前のウェブページの URL。 |
-| `view.name` | 文字列 | 現在のビューの名前。 |
-| `service` | 文字列 | アプリケーションのサービス名。 |
-| `version` | 文字列 | アプリケーションのバージョン、例: 1.2.3、6c44da20、2020.02.13。 |
-| `action.target.name` | 文字列 | ユーザーが操作した要素。自動的に収集されたアクションの場合のみ。 |
-| `error.message` | 文字列 | エラーについて簡潔にわかりやすく説明する 1 行メッセージ。 |
-| `error.stack ` | 文字列 | スタックトレースまたはエラーに関する補足情報。 |
-| `error.resource.url` | 文字列 | エラーをトリガーしたリソース URL。 |
-| `resource.url` | 文字列 | リソースの URL。 |
-| `context` | オブジェクト | [Global Context API](#global-context)、[View Context API](#view-context)、またはイベントを手動で生成するとき (例: `addError` や `addAction`) に追加された属性。 |
+| 属性 | タイプ | 説明 |
+| ------------------------------ | ------ | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
+| `view.url` | 文字列 | アクティブな Web ページの URL。 |
+| `view.referrer` | 文字列 | 現在リクエストされているページへのリンクがたどられた前のウェブページの URL。 |
+| `view.name` | 文字列 | 現在のビューの名前。 |
+| `view.performance.lcp.resource_url` | 文字列 | Largest Contentful Paint のリソース URL。 |
+| `service` | 文字列 | アプリケーションのサービス名。 |
+| `version` | 文字列 | アプリケーションのバージョン。例: 1.2.3、6c44da20、または 2020.02.13。 |
+| `action.target.name` | 文字列 | ユーザーが操作した要素。自動的に収集されたアクションの場合のみ。 |
+| `error.message` | 文字列 | エラーについて簡潔にわかりやすく説明する 1 行メッセージ。 |
+| `error.stack ` | 文字列 | スタックトレースまたはエラーに関する補足情報。 |
+| `error.resource.url` | 文字列 | エラーをトリガーしたリソース URL。 |
+| `resource.url` | 文字列 | リソースの URL。 |
+| `long_task.scripts.source_url` | 文字列 | スクリプト リソース URL |
+| `long_task.scripts.invoker` | 文字列 | スクリプトがどのように呼び出されたかを示す意味のある名前 |
+| `context` | オブジェクト | [Global Context API](#global-context)、[View Context API](#view-context)、またはイベントを手動で生成するとき (例: `addError` や `addAction`) に追加された属性。 |
RUM ブラウザ SDK は、上記にリストされていないイベントプロパティに加えられた変更を無視します。イベントプロパティの詳細については、[RUM ブラウザ SDK GitHub リポジトリ][15]を参照してください。
+**注**: 他のイベントと異なり、ビュー イベントはライフサイクル中の更新を反映するために複数回 Datadog に送信されます。新しいビューがアクティブな間でも、以前のビュー イベントの更新が送信される可能性があります。ビュー イベントの内容を変更する際は、この動作に注意してください。
+
+```javascript
+beforeSend: (event) => {
+ // 非推奨: 現在のビュー名がアクティブ ビューと以前のビューの両方に適用される可能性があります
+ event.view.name = getCurrentViewName()
+
+ // 推奨
+ event.view.name = getViewNameForUrl(event.view.url)
+}
+```
### RUM イベントを破棄
`beforeSend` API で、`false` を返し RUM イベントを破棄します。
@@ -619,6 +630,20 @@ RUM セッションにユーザー情報を追加することで、以下が可
{{< img src="real_user_monitoring/browser/advanced_configuration/user-api.png" alt="RUM UI のユーザー API" >}}
+{{< tabs >}}
+{{% tab "6.4.0 and above" %}}
+
+次の属性を利用できます:
+
+| 属性 | タイプ | 必須 | 説明 |
+|------------|------|------|----------------------------------------------------------------------------------------------------|
+| `usr.id` | 文字列 | はい | 一意のユーザー識別子。 |
+| `usr.name` | 文字列 | いいえ | RUM UI にデフォルトで表示されるユーザーフレンドリーな名前。 |
+| `usr.email` | 文字列 | いいえ | ユーザー名が存在しない場合に RUM UI に表示されるユーザーのメール。Gravatar をフェッチするためにも使用されます。 |
+
+{{% /tab %}}
+{{% tab "Before 6.4.0" %}}
+
以下の属性は任意ですが、Datadog では少なくとも 1 つを指定することを強く推奨します。例えば、`usr.id` をセッションに設定すると、一部のデフォルト RUM ダッシュボードで関連データを参照できます。これらのダッシュボードはクエリの一部として `usr.id` を利用します。
| 属性 | タイプ | 説明 |
@@ -627,6 +652,9 @@ RUM セッションにユーザー情報を追加することで、以下が可
| `usr.name` | 文字列 | RUM UI にデフォルトで表示されるユーザーフレンドリーな名前。 |
| `usr.email` | 文字列 | ユーザー名が存在しない場合に RUM UI に表示されるユーザーのメール。Gravatar をフェッチするためにも使用されます。 |
+{{% /tab %}}
+{{< /tabs >}}
+
推奨される属性に加えてさらに属性を追加することで、フィルタリング機能を向上できます。たとえば、ユーザープランに関する情報や、所属するユーザーグループなどを追加します。
ユーザーセッションオブジェクトに変更を加えた場合、変更後に収集されるすべての RUM イベントには、更新された情報が含まれます。
@@ -774,6 +802,152 @@ window.DD_RUM && window.DD_RUM.clearUser()
{{% /tab %}}
{{< /tabs >}}
+## アカウント
+
+To group users into different set, use the account concept.
+
+次の属性を利用できます:
+
+| 属性 | タイプ | 必須 | Description |
+|----------------|--------|----------|------------------------------------------------------------|
+| `account.id` | 文字列 | はい | Unique account identifier. |
+| `account.name` | 文字列 | いいえ | Account friendly name, displayed by default in the RUM UI. |
+
+### Identify account
+
+`datadogRum.setAccount(+**デフォルト**: `(true)` + +次のコマンドを実行して Test Impact Analysis を無効化します。 + +{{< tabs >}} + +{{% tab "Pytest" %}} + +{{< code-block lang="shell" >}} +DD_ENV=ci DD_SERVICE=my-python-app DD_CIVISIBILITY_ITR_ENABLED=false pytest --ddtrace +{{< /code-block >}} + +{{% /tab %}} + +{{% tab "Unittest" %}} + +{{< code-block lang="shell" >}} +DD_ENV=ci DD_SERVICE=my-python-app DD_CIVISIBILITY_ITR_ENABLED=false ddtrace-run python -m unittest +{{< /code-block >}} + +{{% /tab %}} + +{{< /tabs >}} + +## 特定のテストに対するスキップの無効化 + +Test Impact Analysis の動作を上書きし、特定のテストがスキップされないようにできます。これらのテストは unskippable テストと呼ばれます。 + +### テストをスキップできないようにする理由は？ + +Test Impact Analysis uses code coverage data to determine whether or not tests should be skipped. In some cases, this data may not be sufficient to make this determination. + +例: + +* テキストファイルからデータを読み込むテスト +* テスト対象のコード以外の API とやりとりするテスト (リモートの REST API など) + +Designating tests as unskippable ensures that Test Impact Analysis runs them regardless of coverage data. + + +{{< tabs >}} + +{{% tab "Pytest" %}} + +### 互換性 + +スキップ不可のテストは以下のバージョンでサポートされています。 + +* `pytest` + * `ddtrace>=1.19.0` 以降。 + +### Marking tests as unskippable + +[`pytest`][1] の [`skipif` マーク][2]を使用して、Test Impact Analysis が個々のテストやモジュールをスキップしないようにできます。`condition` を `False`、`reason` を `"datadog_itr_unskippable"` として指定します。 + +#### 個々のテスト + +個々のテストは、`@pytest.mark.skipif` デコレータを使用して、以下のようにスキップ不可としてマークすることができます。 +```python +import pytest + +@pytest.mark.skipif(False, reason="datadog_itr_unskippable") +def test_function(): + assert True +``` +#### モジュール + +モジュールをスキップするには、以下のように [`pytestmark` グローバル変数][3]を使用します。 +```python +import pytest + +pytestmark = pytest.mark.skipif(False, reason="datadog_itr_unskippable") + +def test_function(): + assert True +``` + +**注**: これは他の `skip` マークや `condition` が `True` に評価される `skipif` マークをオーバーライドしません。 + +[1]: https://pytest.org/ +[2]: https://docs.pytest.org/en/latest/reference/reference.html#pytest-mark-skipif-ref +[3]: https://docs.pytest.org/en/latest/reference/reference.html#globalvar-pytestmark + +{{% /tab %}} + +{{% tab "Unittest" %}} + +### 互換性 + +スキップ不可のテストは以下のバージョンでサポートされています。 + +* `unittest` + * `ddtrace>=2.2.0` 以降。 + +### `unittest` での unskippable テストの指定方法 + +[`unittest`][1] の [`skipif` マーク][2]を使用して、Test Impact Analysis が個々のテストをスキップしないようにできます。`condition` を `False`、`reason` を `"datadog_itr_unskippable"` として指定します。 + +#### 個々のテスト + +個々のテストは、`@unittest.skipif` デコレータを使用して、以下のようにスキップ不可としてマークすることができます。 +```python +import unittest + +class MyTestCase(unittest.TestCase): + @unittest.skipIf(False, reason="datadog_itr_unskippable") + def test_function(self): + assert True +``` + + +`@unittest.skipif` を使用すると、他の `skip` マークや `condition` が `True` に評価される `skipif` マークをオーバーライドしません。 + +[1]: https://docs.python.org/3/library/unittest.html +[2]: https://docs.python.org/3/library/unittest.html#unittest.skipIf + +{{% /tab %}} + +{{< /tabs >}} + +## 既知の制限 + +### コードカバレッジの収集 + +#### カバレッジツールとの相互作用 + +Test Impact Analysis が有効な場合、カバレッジデータが不完全に見えることがあります。通常テストでカバーされるコード行が、これらのテストがスキップされるとカバーされなくなります。 + +#### `coverage` パッケージとの相互作用 + +Test Impact Analysis は [`coverage`][2] パッケージの API を使用してコードカバレッジを収集します。そのため、`coverage run` や `pytest-cov` のようなプラグインからのデータは、`ddtrace` が `Coverage` クラスを使用するため不完全です。 + +`pytest-xdist` のようなテスト実行順序を変更したり並列化を導入する `pytest` プラグインを使用すると、競合状態により例外が発生する可能性があります。 + +## 参考資料 + +{{< partial name="whats-next/whats-next.html" >}} + +[1]: /ja/continuous_integration/tests/python +[2]: https://pypi.org/project/coverage/ \ No newline at end of file diff --git a/content/ja/tracing/error_tracking/explorer.md b/content/ja/tracing/error_tracking/explorer.md new file mode 100644 index 0000000000000..e0fcdaa97d801 --- /dev/null +++ b/content/ja/tracing/error_tracking/explorer.md @@ -0,0 +1,10 @@ +--- +description: エラー追跡エクスプローラーについて説明します。 +further_reading: +- link: /monitors/types/error_tracking + tag: ドキュメント + text: エラー追跡モニターについて +title: エラー追跡エクスプローラー +--- + +{{< include-markdown "error_tracking/explorer" >}} \ No newline at end of file diff --git a/content/ja/tracing/trace_collection/custom_instrumentation/java/dd-api.md b/content/ja/tracing/trace_collection/custom_instrumentation/java/dd-api.md new file mode 100644 index 0000000000000..c0607d30e41cd --- /dev/null +++ b/content/ja/tracing/trace_collection/custom_instrumentation/java/dd-api.md @@ -0,0 +1,369 @@ +--- +aliases: +- /ja/tracing/opentracing/java +- /ja/tracing/manual_instrumentation/java +- /ja/tracing/custom_instrumentation/java +- /ja/tracing/setup_overview/custom_instrumentation/java +- /ja/tracing/trace_collection/custom_instrumentation/java +- /ja/tracing/trace_collection/custom_instrumentation/dd_libraries/java +code_lang: dd-api +code_lang_weight: 1 +description: Datadog API でコードをインスツルメントします。 +further_reading: +- link: tracing/other_telemetry/connect_logs_and_traces + tag: ドキュメント + text: ログとトレースの接続 +- link: tracing/glossary/ + tag: ドキュメント + text: サービス、リソース、トレースの詳細 +title: Java で Datadog API を使用したカスタム インスツルメンテーション +type: multi-code-lang +--- + +このページでは、Datadog APM を使用して可観測性を追加およびカスタマイズする一般的な使用例について説明します。 + +
+Datadog Java トレーサーは、カスタム インスツルメンテーション用に
+
+## 前提条件
+
+- 自動インスツルメンテーションのセットアップ手順をまだ読んでいない場合は、まず [Java セットアップ手順][11] をご覧ください。
+- このページの例をコンパイルするには、プロジェクトに [opentracing-api][12] 依存関係を追加します。
+
+## タグの追加
+
+カスタム[スパンタグ][1]を[スパン][2]に追加して、Datadog 内の可観測性をカスタマイズします。スパンタグは受信トレースに適用されるため、観測された動作を、マーチャントの階層、チェックアウト金額、ユーザー ID などのコードレベルの情報と関連付けることができます。
+
+### カスタムスパンタグを追加する
+
+`customer.id` などのアプリケーションコード内の動的な値に対応するカスタムタグをスパンに追加します。
+
+```java
+import org.apache.cxf.transport.servlet.AbstractHTTPServlet;
+import javax.servlet.http.HttpServletRequest;
+import javax.servlet.http.HttpServletResponse;
+
+import io.opentracing.Tracer;
+import io.opentracing.util.GlobalTracer;
+
+@WebServlet
+class ShoppingCartServlet extends AbstractHttpServlet {
+ @Override
+ void doGet(HttpServletRequest req, HttpServletResponse resp) {
+ // アクティブスパンを取得
+ final Span span = GlobalTracer.get().activeSpan();
+ if (span != null) {
+ // customer_id -> 254889
+ // customer_tier -> platinum
+ // cart_value -> 867
+ span.setTag("customer.id", customer_id);
+ span.setTag("customer.tier", customer_tier);
+ span.setTag("cart.value", cart_value);
+ }
+ // [...]
+ }
+}
+```
+
+### すべてのスパンにグローバルにタグを追加する
+
+`dd.tags` プロパティを使用すると、アプリケーションに対して生成されたすべてのスパンにタグを設定できます。これは、アプリケーション、データセンター、または Datadog UI 内に表示したいその他のタグの統計をグループ化するのに役立ちます。
+
+```text
+java -javaagent:opentracing-api ライブラリと相互運用します。カスタム インスツルメンテーションに OpenTelemetry API を使用したい場合は、代わりに OpenTelemetry を使用した Java のカスタム インスツルメンテーション を参照してください。
++ +## タグの追加 + +[対応するフレームワークインスツルメンテーション][5]を使用しない場合や、より深いアプリケーションの[トレース][3]をする場合、完全なフレームグラフのため、またはコードの断片の実行時間を測定するために、コードにカスタムインスツルメンテーションを追加できます。 + +アプリケーションコードの変更が不可能な場合は、環境変数 `dd.trace.methods` を使用してこれらのメソッドの詳細を記述します。 + +既存の `@Trace` または同様のアノテーションがある場合、またはアノテーションを使用して Datadog 内の不完全なトレースを完了する場合は、トレースアノテーションを使用します。 + + +### Datadog のトレース方法 + +`dd.trace.methods` システムプロパティを使用すると、アプリケーションコードを変更せずに、サポートされていないフレームワークを可視化できます。 + +```text +java -javaagent:/path/to/dd-java-agent.jar -Ddd.env=prod -Ddd.service.name=db-app -Ddd.trace.methods=store.db.SessionManager[saveSession] -jar path/to/application.jar +``` + +同じクラス内の複数の関数をトレースするには、次の構文を使用します: + +```text +java -javaagent:/path/to/dd-java-agent.jar -Ddd.env=prod -Ddd.service.name=db-app -Ddd.trace.methods=store.db.SessionManager[saveSession,loadSession] -jar path/to/application.jar +``` + +このアプローチと `@Trace` アノテーションの使用の唯一の違いは、オペレーション名とリソース名のカスタマイズオプションです。DD Trace Methods では、`operationName` は `trace.annotation` で、`resourceName` は `SessionManager.saveSession` です。 + +### トレースアノテーション + +`@Trace` をメソッドに追加して、`dd-java-agent.jar` での実行時にメソッドがトレースされるようにします。Agent が添付されていない場合は、このアノテーションはアプリケーションに影響しません。 + +Datadog のトレースアノテーションは、[dd-trace-api 依存関係][6]が提供します。 + +`@Trace` アノテーションで使用できる引数は次のとおりです: + +- `operationName`: トレースのオペレーション名を設定します (デフォルト: メソッド名)。 +- `resourceName`: トレースのリソース名を設定します (デフォルト: `operationName` と同じ値)。 +- `noParent`: そのメソッドで常に新しいトレースを開始するには `true` を設定します。`dd-trace-java` v1.22.0 以降でサポートされています (デフォルト: `false`)。 + +```java +import datadog.trace.api.Trace; + +public class SessionManager { + + @Trace(operationName = "database.persist", resourceName = "SessionManager.saveSession") + public static void saveSession() { + // ここにメソッドを実装 + } +} +``` +**注**: `dd.trace.annotations` システム プロパティを介して、他のトレーシング メソッドのアノテーションを Datadog が `@Trace` として認識できます。以前にコードにアノテーションを付与している場合は、[TraceAnnotationsInstrumentation.java][7] に一覧があります。 + +### 新しいスパンを手動で作成する + +自動インスツルメンテーション、`@Trace` アノテーション、`dd.trace.methods` コンフィギュレーションに加えて、プログラムで任意のコードブロックの周囲にスパンを作成することで、可観測性をカスタマイズできます。この方法で作成されたスパンは、他のトレースメカニズムと自動的に統合されます。つまり、トレースがすでに開始されている場合、手動スパンはその親スパンとして呼び出し元を持ちます。同様に、ラップされたコードブロックから呼び出されたトレースメソッドは、その親として手動スパンを持ちます。 + +```java +import datadog.trace.api.DDTags; +import io.opentracing.Scope; +import io.opentracing.Span; +import io.opentracing.Tracer; +import io.opentracing.util.GlobalTracer; + +class SomeClass { + void someMethod() { + Tracer tracer = GlobalTracer.get(); + + // サービス名とリソース名のタグが必要です。 + // サービス名とリソース名のタグが必要です。 + Span span = tracer.buildSpan("
+ +## トレースクライアントと Agent コンフィギュレーション + +トレーシングクライアントと Datadog Agent の両方で、コンフィギュレーションを追加することで、コンテキスト伝播のための構成を行ったり、特定のリソースがトレースを Datadog に送信しないように除外して、ヘルスチェックなどのメトリクスの算出でこれらのトレースがカウントされないようにすることができます。 + +### ヘッダー抽出と挿入によるコンテキストの伝搬 + +分散型トレーシングのコンテキストの伝搬は、ヘッダーの挿入と抽出で構成できます。詳しくは[トレースコンテキストの伝播][8]をお読みください。 + +### リソースのフィルター + +トレースはそれぞれのリソース名に基づいて除外可能で、これによりヘルスチェックなどの外形監視トラフィックが Datadog にレポートされるトレースから削除されます。この設定およびその他のセキュリティ/微調整に関するコンフィギュレーションについては[セキュリティ][9]ページまたは[不要なリソースを無視する][10]を参照してください。 + +## その他の参考資料 + +{{< partial name="whats-next/whats-next.html" >}} + +[1]: /ja/tracing/glossary/#span-tags +[2]: /ja/tracing/glossary/#spans +[3]: /ja/tracing/glossary/#trace +[4]: /ja/tracing/custom_instrumentation/java/#set-tags-errors-on-a-root-span-from-a-child-span +[5]: /ja/tracing/setup/java/#compatibility +[6]: https://mvnrepository.com/artifact/com.datadoghq/dd-trace-api +[7]: https://github.com/DataDog/dd-trace-java/blob/master/dd-java-agent/instrumentation/trace-annotation/src/main/java/datadog/trace/instrumentation/trace_annotation/TraceAnnotationsInstrumentation.java#L37 +[8]: /ja/tracing/trace_collection/trace_context_propagation/ +[9]: /ja/tracing/security +[10]: /ja/tracing/guide/ignoring_apm_resources/ +[11]: /ja/tracing/setup/java/ +[12]: https://mvnrepository.com/artifact/io.opentracing/opentracing-api \ No newline at end of file diff --git a/content/ja/tracing/trace_explorer/query_syntax.md b/content/ja/tracing/trace_explorer/query_syntax.md index f5ee5fa4132a8..1949cb8571277 100644 --- a/content/ja/tracing/trace_explorer/query_syntax.md +++ b/content/ja/tracing/trace_explorer/query_syntax.md @@ -16,6 +16,7 @@ aliases: - /ja/tracing/trace_search_and_analytics/analytics/ - /ja/tracing/app_analytics/analytics - /ja/tracing/trace_search_and_analytics/query_syntax +- /ja/tracing/trace_explorer/trace_groups description: タグを使用したすべてのトレースのグローバル検索 further_reading: - link: /tracing/trace_collection/ @@ -24,7 +25,7 @@ further_reading: - link: /tracing/trace_explorer/trace_view/ tag: ドキュメント text: Datadog トレースの読み方を理解する -- link: /tracing/service_catalog/ +- link: /tracing/software_catalog/ tag: ドキュメント text: Datadog に報告するサービスの発見とカタログ化 - link: /tracing/services/service_page/ @@ -46,8 +47,8 @@ title: 検索構文 *条件*には 2 種類あります。 -* **Span タグ**: スパンに関連するコンテキスト情報を拡張するためのタグです。例えば、サービスが稼働しているインフラストラクチャーを示すホストやコンテナタグなどが含まれます。 * **Span 属性**: アプリケーション内で自動または手動のインスツルメントによって収集されたスパンの内容を指します。 +* **Span タグ**: スパンに関連するコンテキスト情報を拡張するためのタグです。例えば、サービスが稼働しているインフラストラクチャーを示すホストやコンテナタグなどが含まれます。 複合クエリで複数の*条件*を組み合わせるには、以下のブール演算子のいずれかを使用します。 @@ -59,7 +60,7 @@ title: 検索構文 ### Attribute 検索 -特定のスパン属性を検索するには、属性キーの先頭に `@` を付けてください。 +スパン属性を検索するには、属性キーの先頭に `@` を追加する必要があります。 例えば、以下の属性を持つスパンにアクセスしたい場合は、次のクエリを使用します: @@ -75,27 +76,35 @@ title: 検索構文 } } ``` + +スパン属性はトレース サイド パネルの **Overview** タブに表示されます。 + **注:** [予約属性][17] (`env`, `operation_name`, `resource_name`, `service`, `status`, `span_id`, `timestamp`, `trace_id`, `type`, `link`) については、属性キーの先頭に `@` を付ける必要はありません。 ### タグ検索 -スパンは、それらを生成するホストやインテグレーションからタグを継承します。これらのタグは検索クエリで利用可能です。 +スパンは、それらを生成するホストやインテグレーションからタグを継承します。 -| クエリ | 一致 | -|:---------------------------------------------------------------|:----------------------------------------------------------------------------| -| `("env:prod" OR test)` | タグ `#env:prod` またはタグ `#test` を持つすべてのトレース | -| `(service:srvA OR service:srvB)` または `(service:(srvA OR srvB))` | タグ `#service:srvA` または `#service:srvB` を含むすべてのトレース。 | -| `("env:prod" AND -"version:beta")` | `#env:prod` を含み、`#version:beta` を含まないすべてのトレース | +例: -もしタグが[タグ運用ベストプラクティス][2]に従っていない場合、`key:value` 形式は使用せず、以下のような検索クエリを利用してください: +| Query | 一致 | +|:-------------------------------------------------------------|:--------------------------------------------------------------------------------------------------| +| `(hostname:web-server OR env:prod)` | インフラストラクチャー タグ `hostname:web-server` または予約済み属性 `env:prod` が付与されたすべてのトレース | +| `(availability-zone:us-east OR container_name:api-frontend)` | これらのインフラストラクチャー タグのいずれかが付与されたすべてのトレース | +| `(service:api AND -kube_deployment:canary)` | `api` サービスで、`canary` デプロイメントにデプロイされていないすべてのトレース | -* `tags:
+에이전트 v7을 사용할 수 있습니다. 최신 버전으로 업그레이드하여 모든 새로운 기능을 활용하세요.
+
+
+## Agent 6으로 업그레이드
+
+Agent v5가 이미 설치되어 있는 경우, 새 Agent를 자동으로 설치하거나 업그레이드할 수 있는 스크립트를 사용할 수 있습니다. 이 스크립트는 패키지 리포지토리를 설정하고 Agent 패키지를 자동으로 설치합니다. 업그레이드 시, 가져오기 도구는 이전 버전에서 기존 `datadog.conf`를 검색하고 Agent를 변환하며 새 v6 형식에 따라 구성을 확인합니다. 아래에서 플랫폼을 선택하면 구체적인 가이드를 확인할 수 있습니다. [DMG 패키지를 다운로드하여 수동으로 설치](#manual-upgrade)하거나 [한 줄 설치 스크립트](#one-step-upgrade)를 사용할 수 있습니다.
+
+## 원스텝 업그레이드
+
+{{< tabs >}}
+{{% tab "Linux" %}}
+
+Agent v6 설치 프로그램은 업그레이드 중에 v5 구성을 자동으로 변환할 수 있습니다.
+
+다음 명령은 Amazon Linux, CentOS, Debian, Fedora, Red Hat, Ubuntu, SUSE에서 작동합니다.`DD_UPGRADE=true bash -c "$(curl -L https://install.datadoghq.com/scripts/install_script_agent6.sh)"`
+
+**참고:** 가져오기 프로세스는 **커스텀** Agent 점검을 자동으로 이동하지 않습니다. 이는 의도된 동작이며, Datadog은 기본적으로 완전한 하위 호환성을 보장하지 않습니다.
+
+{{% /tab %}}
+{{% tab "Windows" %}}
+
+Windows 플랫폼에는 단계별 설치가 없습니다. [수동 업그레이드](#manual-upgrade)를 참고하세요.
+
+{{% /tab %}}
+{{% tab "MacOS" %}}
+
+Agent v6 설치 프로그램은 업그레이드 중에 v5 구성을 자동으로 변환할 수 있습니다.
+
+```shell
+DD_UPGRADE=true bash -c "$(curl -L https://install.datadoghq.com/scripts/install_mac_os.sh)"
+```
+
+**참고:** 가져오기 프로세스는 **커스텀** Agent 점검을 자동으로 이동하지 않습니다. 이는 의도된 동작이며, Datadog은 기본적으로 완전한 하위 호환성을 보장하지 않습니다.
+
+{{% /tab %}}
+{{< /tabs >}}
+
+## 수동 업그레이드
+
+{{< tabs >}}
+{{% tab "Linux" %}}
+
+아래에서 수동 업그레이드 가이드를 확인하세요.
+
+- [Agent 6으로 업그레이드](#upgrade-to-agent-6)
+- [원스텝 업그레이드](#one-step-upgrade)
+- [수동 업그레이드](#manual-upgrade)
+ - [Amazon Linux](#amazon-linux)
+ - [CentOS](#centos)
+ - [Debian](#debian)
+ - [Fedora](#fedora)
+ - [Red Hat](#red-hat)
+ - [Ubuntu](#ubuntu)
+ - [SUSE](#suse)
+
+### Amazon Linux
+
+1. 다음의 콘텐츠로 `/etc/yum.repos.d/datadog.repo`를 생성해 시스템에 Datadog의 Yum 저장소를 구성합니다.
+ ```ini
+ [datadog]
+ name=Datadog, Inc.
+ baseurl=https://yum.datadoghq.com/stable/6/x86_64/
+ enabled=1
+ gpgcheck=1
+ repo_gpgcheck=1
+ gpgkey=https://keys.datadoghq.com/DATADOG_RPM_KEY_CURRENT.public
+ https://keys.datadoghq.com/DATADOG_RPM_KEY_4F09D16B.public
+ https://keys.datadoghq.com/DATADOG_RPM_KEY_B01082D3.public
+ https://keys.datadoghq.com/DATADOG_RPM_KEY_FD4BF915.public
+ https://keys.datadoghq.com/DATADOG_RPM_KEY_E09422B3.public
+ ```
+
+2. 로컬 Yum 리포지토리를 업데이트하고 Agent를 설치합니다.
+ ```shell
+ sudo yum makecache
+ sudo yum install datadog-agent
+ ```
+
+3. 예제 구성을 해당 위치에 복사한 뒤, API 키를 입력합니다.
+ ```shell
+ sudo sh -c "sed 's/api_key:.*/api_key:
< region-param key="dd_site_name" > }} 사이트에서는 TCP를 사용할 수 없습니다. 자세한 내용은 지원팀에 문의하세요.
diff --git a/content/ko/getting_started/learning_center.md b/content/ko/getting_started/learning_center.md
index a4acfc2010c74..40260f0616656 100644
--- a/content/ko/getting_started/learning_center.md
+++ b/content/ko/getting_started/learning_center.md
@@ -1,4 +1,7 @@
---
+algolia:
+ tags:
+ - 튜토리얼
aliases:
- /ko/video-categories/
- /ko/video-categories/datadog-101/
diff --git a/content/ko/infrastructure/process/_index.md b/content/ko/infrastructure/process/_index.md
index 9ba7e9f745026..02328387834c5 100644
--- a/content/ko/infrastructure/process/_index.md
+++ b/content/ko/infrastructure/process/_index.md
@@ -45,7 +45,7 @@ Datadog 에이전트를 설치한 후, 다음 매개 변수를 `"true"`로 설
```yaml
process_config:
process_collection:
- enabled: "true"
+ enabled: true
```
추가로 일부 설정 옵션을 환경 변수로 설정할 수 있습니다.
diff --git a/content/ko/integrations/adobe_experience_manager.md b/content/ko/integrations/adobe_experience_manager.md
index 5b1734e09e9fe..1557120efa794 100644
--- a/content/ko/integrations/adobe_experience_manager.md
+++ b/content/ko/integrations/adobe_experience_manager.md
@@ -3,6 +3,7 @@ aliases:
- /ko/logs/log_collection/adobe_experience_manager
categories:
- 로그 수집
+custom_kind: 통합
dependencies:
- https://github.com/DataDog/documentation/blob/master/content/en/integrations/adobe_experience_manager.md
description: Adobe Experience Manager 로그를 수집하여 오류를 추적하고, 응답 시간을 요청하며, 성능이 저하된 웹 페이지를
@@ -16,26 +17,21 @@ has_logo: true
integration_id: adobe
integration_title: Adobe Experience Manager
is_public: true
-custom_kind: integration
name: adobe_experience_manager
public_title: Datadog-Adobe Experience Manager
short_description: 오류 추적, 응답 시간 요청 등을 위해 로그를 수집합니다.
supported_os:
-- 리눅스
+- linux
- mac_os
-- windows
+- 윈도우즈(Windows)
title: Adobe Experience Manager
---
-{{< site-region region="us3,ap1" >}}
-선택한 Datadog 사이트 ({{< region-param key="dd_site_name" >}})에서는 Adobe Experience Manager 통합이 지원되지 않습니다.
-{{< /site-region >}}
-
## 개요
Adobe Experience Manager 로그를 수집하여 오류를 추적하고, 응답 시간을 요청하며, 성능이 저하된 웹 페이지를 추적합니다.
-## 구성
+## 설정
### 설치
@@ -45,7 +41,7 @@ Adobe Experience Manager를 실행하는 인스턴스에 [Agent를 설치][1]합
_Agent 버전 6.0 이상에서 사용 가능_
-1. Datadog 에이전트에서 로그 수집은 기본적으로 사용하지 않도록 설정되어 있습니다. `datadog.yaml` 파일에서 사용하도록 설정합니다:
+1. Datadog Agent에서 로그 수집은 기본적으로 사용하지 않도록 설정되어 있습니다. `datadog.yaml` 파일에서 사용하도록 설정합니다.
```yaml
logs_enabled: true
@@ -61,9 +57,9 @@ _Agent 버전 6.0 이상에서 사용 가능_
source: adobe.experience.manager
```
- `path` 및 `service` 파라미터 값을 환경에 맞도록 변경합니다.
+ `path` 및 `service` 파라미터 값을 변경하고 사용자 환경에 맞게 구성합니다.
-3. [Restart the Agent][3].
+3. [에이전트를 다시 시작합니다][3].
## 트러블슈팅
diff --git a/content/ko/integrations/azure_deployment_manager.md b/content/ko/integrations/azure_deployment_manager.md
index 414fe4409fe18..e16d7ba63f02b 100644
--- a/content/ko/integrations/azure_deployment_manager.md
+++ b/content/ko/integrations/azure_deployment_manager.md
@@ -1,30 +1,16 @@
---
+app_id: azure_deployment_manager
categories:
- 클라우드
- azure
custom_kind: 통합
-dependencies: []
-description: Datadog을 사용하여 Azure Deployment Manager에서 카나리 배포를 모니터링하세요.
-doc_link: https://docs.datadoghq.com/integrations/azure_deployment_manager/
-draft: false
+description: Azure Deployment Manager에서 카나리 배포를 모니터링하세요.
further_reading:
- link: https://www.datadoghq.com/blog/canary-deployments-with-azure-and-datadog/
tag: 블로그
text: Azure Deployment Manager 및 Datadog을 사용하여 카나리 배포
-git_integration_title: azure_deployment_manager
-has_logo: true
-integration_id: ''
-integration_title: Microsoft Azure Deployment Manager
-integration_version: ''
-is_public: true
-manifest_version: '1.0'
-name: azure_deployment_manager
-public_title: Datadog-Microsoft Azure Deployment Manager
-short_description: Azure Deployment Manager에서 카나리 배포를 모니터링하세요.
-version: '1.0'
+title: Microsoft Azure Deployment Manager
---
-
-
## 개요
Azure Deployment Manager(ADM)를 사용하여 복잡한 애플리케이션의 안전한 배포를 위해 단계적 롤아웃을 관리할 수 있습니다.
@@ -39,10 +25,10 @@ Datadog을 ADM에 대한 상태 검사로 사용하려면 활성 Datadog 계정
### 설정
-1. 배포를 위해 Datadog에서 모니터를 설정하세요. 리전별 모니터부터 시작해 보세요. 애플리케이션의 복잡성에 따라 각 리전에서 배포의 다양한 부분에 대한 모니터를 갖기 원한다면 [튜토리얼: Resource Manager 템플릿과 함께 Azure Deployment Manager 사용][1]을 확인하세요. 모니터링할 위치를 결정하는 데 도움이 됩니다. 모니터에 대한 아이디어는 [블로그][2]에서 확인하세요.
-2. 각 리전에 여러 개의 모니터가 있는 경우 각 롤아웃 단계 또는 리전에 대해 [복합 모니터][3]를 만듭니다. 각 복합 모니터는 배포 단계의 전체 상태를 함께 나타내는 다른 모니터의 논리적 조합입니다.
-3. 그런 다음 [롤아웃의 일부로][4] Azure Deployment Manager 토폴로지 내에서 Datadog을 상태 검사로 설정합니다. 이러한 상태 검사 단계를 배포 단계 간의 종속성으로 설정합니다. [템플릿](#full-configuration-example)을 사용하고 `이 페이지는 MySQL 에이전트 표준 통합에 대해 설명합니다. MySQL용 데이터베이스 모니터링 제품을 찾고 계신다면 Datadog 데이터베이스 모니터링을 참조하세요.
+
+### 설치
+
+MySQL 점검은 [Datadog Agent](https://app.datadoghq.com/account/settings/agent/latest) 패키지에 포함되어 있어 MySQL 서버에 추가로 설치할 필요가 없습니다.
+
+#### MySQL 준비
+
+**참고**: MySQL용 Database Monitoring을 설치하려면 [Database Monitoring 문서](https://docs.datadoghq.com/database_monitoring/#mysql)에서 호스팅 솔루션을 선택하여 가이드를 확인하세요.
+
+표준 통합을 단독으로 설치하는 경우에만 이 가이드의 다음 단계를 진행하세요.
+
+각 MySQL 서버에서 Datadog 에이전트에 대한 데이터베이스 사용자를 생성합니다.
+
+다음 지침을 따라 `datadog@'%'`를 사용하여 Agent가 모든 호스트에서 로그인할 수 있는 권한을 부여합니다. `datadog@'localhost'`를 사용하면 `datadog` 사용자가 로컬호스트에서만 로그인하도록 제한할 수 있습니다. 자세한 내용은 [MySQL 계정 추가, 권한 할당 및 계정 삭제](https://dev.mysql.com/doc/refman/8.0/en/creating-accounts.html)를 참고하세요.
+
+다음 명령을 사용하여 `datadog` 사용자를 생성합니다.
+
+```shell
+mysql> CREATE USER 'datadog'@'%' IDENTIFIED BY '