Costuri Observabilitate: Ghid 2026

Q: Cât costă CloudWatch Logs lunar pentru o aplicație tipică?

Pentru o aplicație de producție de talie medie care generează 100 GB/zi de loguri, CloudWatch Logs costă aproximativ $1.500/lună pentru ingest ($0.50/GB × 3.000 GB) plus $90/lună pentru stocare 30 zile, plus costuri variabile de Logs Insights. La scară enterprise cu 1 TB/zi, factura ajunge la $15.000 sau $20.000/lună fără optimizare.

Q: Cum reduci factura Datadog cu 50% fără pierdere de vizibilitate?

Activează exclusion filters pentru loguri de health check și debug (cca 30% reducere), aplică sampling 10% pentru APM la servicii non-critice cu retention filters care păstrează automat erorile (15% reducere), și auditează custom metrics cu Metrics Without Limits pentru a tăia tag-urile cu cardinalitate explozivă (5% până la 15% reducere).

Q: Ce este tail-based sampling în OpenTelemetry?

Tail-based sampling reține decizia de păstrare a unui trace până când toate span-urile sale ajung la colector, permițând politici inteligente: păstrează 100% din trace-urile cu erori sau latență mare, dar doar 5% din traficul normal. Necesită memorie suficientă în colector pentru a buffera trace-urile câteva secunde.

Q: Merită să migrezi de la Datadog la Grafana Loki self-hosted?

Merită dacă factura Datadog depășește $30.000/lună, ai echipă SRE care poate opera un cluster Loki plus Mimir plus Tempo, și majoritatea interogărilor filtrează pe label-uri (service, namespace) nu pe conținut. Sub această scară, costul operațional al self-hosting depășește economiile.

Q: Cum aloci costul de observabilitate pe echipe?

Folosește tag-ul standard team sau cost_center pe toate logurile și metricile, agregă lunar prin queries pe câmpul respectiv în factura Datadog/Splunk, sau exportă în FOCUS 1.1 format pentru analize cross-cloud. Aplică showback inițial; după 2 sau 3 luni de date stabile, treci la chargeback efectiv.

Actualizat: 3 iunie 2026

Optimizarea costurilor de observabilitate înseamnă reducerea sistematică a cheltuielilor pentru loguri, metrici și trace-uri prin sampling, filtrare la sursă, politici de retenție pe niveluri și mutarea datelor reci în stocare ieftină, cu economii tipice între 50% și 80% fără să pierzi semnalele critice. În 2026, factura pentru CloudWatch, Datadog, Splunk sau New Relic depășește frecvent costul de compute la echipele cu volum mare de microservicii, iar tarifele de ingest între $0.50 și $2.50/GB transformă fiecare log DEBUG inutil într-o pierdere directă de buget. Onest, am ajuns la o factură Datadog de cinci cifre într-o lună după ce am uitat o etichetă cu request_id pe o metrică, așa că ghidul de mai jos arată cum tai 70% din factură fără să orbești incident response-ul.

CloudWatch Logs costă $0.50/GB ingest plus $0.03/GB stocare pe lună. La 1 TB/zi ajungi la $15.000/lună doar pentru ingest, înainte de queries Insights.
Datadog facturează $0.10/GB ingestat plus $1.70 per milion de evenimente indexate; reducerea indexării prin filtre exclude poate tăia 60% din factură peste noapte.
Sampling head-based la nivel de OpenTelemetry Collector cu rate 10% pentru trace-urile de succes și 100% pentru erori menține observabilitatea operațională la 15% din cost.
Mutarea logurilor mai vechi de 14 zile în S3 Glacier sau Azure Archive cu Athena/Log Analytics on-demand scade costul de retenție de la $0.03/GB la $0.004/GB.
Cardinalitatea metricilor custom (etichete cu user_id, request_id) este motivul principal pentru facturi de șase cifre pe Prometheus, Datadog sau New Relic. Auditează tag-urile lunar.
FOCUS 1.1 normalizează facturile de observabilitate alături de cele de compute, oferind o vedere unitară a costului per echipă sau serviciu.

Anatomia unei facturi de observabilitate în 2026

Înainte să optimizezi, trebuie să înțelegi din ce este compusă factura. Toate platformele majore taxează pe trei dimensiuni: ingest (volumul de date primit), indexare/căutare (cât din volum devine searchable) și retenție (cât timp păstrezi datele). CloudWatch Logs aplică $0.50/GB la ingest în us-east-1 și $0.03/GB-lună la stocare, plus $0.005 per GB scanat de CloudWatch Logs Insights. Datadog separă ingestion ($0.10/GB) de indexing ($1.70 per milion de evenimente), iar Splunk Observability Cloud facturează per host plus per metric series.

Diferența majoră față de compute este că nu poți spune „opresc instanța peste noapte". Fluxul de date curge 24/7 din producție. De aceea, pârghiile de cost sunt structurale: ce trimiți, ce indexezi, cât păstrezi.

Echipele mature urmăresc trei KPI-uri: cost/GB ingestat, cost/host monitorizat și ratio între volumul retained și volumul efectiv interogat (target sub 5%). Dacă indexezi 10 TB lunar și interoghezi doar 200 GB, plătești pentru 9.8 TB de „liniștea sufletească" care nu generează valoare. Risipa asta seamănă mult cu cea descrisă în ghidul nostru de detectare a resurselor zombie, doar că trăiește în pipeline-ul de telemetrie.

Cum reduci costul CloudWatch Logs

CloudWatch Logs devine scump când nu controlezi sursa. Lambda, ECS, EKS și RDS exportă implicit toate logurile la INFO sau DEBUG, iar la 1.000 de funcții Lambda cu trafic mediu vei depăși facil 500 GB/lună. Primul pas este să setezi un retentionInDays explicit pe fiecare log group (implicit este „Never expire", adică plătești perpetuu pentru loguri de acum 4 ani). Un script Boto3 simplu rezolvă problema pentru întreg contul.

import boto3

logs = boto3.client("logs", region_name="us-east-1")
TARGET_DAYS = 14  # 14 zile hot, restul exportat in S3

paginator = logs.get_paginator("describe_log_groups")
for page in paginator.paginate():
    for lg in page["logGroups"]:
        current = lg.get("retentionInDays")
        if current is None or current > TARGET_DAYS:
            logs.put_retention_policy(
                logGroupName=lg["logGroupName"],
                retentionInDays=TARGET_DAYS,
            )
            print(f"Set {lg['logGroupName']} la {TARGET_DAYS} zile")

Al doilea pas este subscription filter către Kinesis Firehose plus S3 cu compresie GZIP. Costul scade de la $0.03/GB pe CloudWatch la $0.023/GB pe S3 Standard, iar cu Intelligent-Tiering ajungi sub $0.004/GB după 90 de zile. Interogările se mută pe Athena la $5/TB scanat, mult mai ieftin decât Logs Insights pentru analiza istorică.

Al treilea pas este filtrarea la sursă: în Lambda setează LOG_LEVEL=WARN în producție, iar pentru aplicații EKS folosește Fluent Bit cu un filtru grep care exclude liniile de health check. Pentru o privire mai amplă asupra optimizării containerelor pe AWS, citește ghidul nostru de optimizare a costurilor Kubernetes pentru EKS, AKS și GKE.

Cum reduci costurile Datadog

Datadog este puternic, dar modelul de pricing îl face cea mai scumpă platformă din enterprise dacă nu controlezi configurarea. Cele trei pârghii principale sunt: exclusion filters pe log indexing, custom metrics cap și APM ingest control.

Pe partea de loguri, separi ingest (păstrat în Live Tail 15 minute la $0.10/GB) de indexing (searchable 15 zile la $1.70/milion evenimente). Un exclusion filter declarativ în Terraform reduce indexarea cu 60% până la 80% pentru loguri de înaltă cardinalitate dar valoare scăzută.

resource "datadog_logs_index" "main" {
  name = "main"

  filter {
    query = "*"
  }

  exclusion_filter {
    name       = "exclude-debug-and-health"
    is_enabled = true
    filter {
      query       = "status:debug OR @http.url_details.path:/healthz OR @http.url_details.path:/metrics"
      sample_rate = 1.0  # exclude 100%
    }
  }

  exclusion_filter {
    name       = "sample-info-90pct"
    is_enabled = true
    filter {
      query       = "status:info -service:payments"
      sample_rate = 0.9  # pastreaza doar 10%
    }
  }
}

Pentru metrici custom, Datadog facturează $0.05 per metric series pe lună (peste tier-ul inclus). O metrică cu 50.000 de combinații tag (de exemplu request_id ca tag) costă $2.500/lună singură. Folosește Datadog Metrics Without Limits ca să controlezi cardinalitatea per metric.

Pe APM, setează DD_TRACE_SAMPLE_RATE=0.1 pentru servicii high-volume și păstrează 100% doar pentru servicii critice prin retention filters care păstrează automat trace-urile cu erori, latency peste p99 sau anumite tag-uri de business. Într-un proiect recent, doar acest pas a tăiat aproximativ $11.000/lună din factură fără ca echipa de SRE să simtă vreo diferență la triaj.

Ce este log sampling-ul și cum îl implementezi

Log sampling înseamnă să trimiți doar o fracțiune din evenimentele de un anumit tip, păstrând statistic comportamentul sistemului. Există două strategii: head-based sampling (decizia se ia la generare, ieftin dar pierzi trace-uri cu erori dacă nu erai norocos) și tail-based sampling (colectorul vede întregul trace înainte să decidă, costă RAM dar păstrează 100% din erori).

În 2026, OpenTelemetry Collector are un processor maturizat de tail sampling care a devenit standardul de facto.

processors:
  tail_sampling:
    decision_wait: 10s
    num_traces: 100000
    expected_new_traces_per_sec: 1000
    policies:
      - name: errors-policy
        type: status_code
        status_code: { status_codes: [ERROR] }
      - name: slow-traces
        type: latency
        latency: { threshold_ms: 500 }
      - name: probabilistic-policy
        type: probabilistic
        probabilistic: { sampling_percentage: 5 }

Configurația de mai sus păstrează 100% din erori și trace-urile lente, plus 5% din restul traficului. La 50 milioane de span-uri pe zi, costul cade de la $5.000/lună la $750/lună pe majoritatea backend-urilor APM. Pentru loguri, aplică sampling per nivel: 100% ERROR și WARN, 10% INFO, 1% DEBUG.

Bibliotecile moderne (slog în Go, logback cu TurboFilter în Java, structlog cu processors în Python) suportă această logică nativ. Verifică întotdeauna că trace_id rămâne consistent între logul samplat și trace-ul samplat, altfel pierzi corelarea în debugging și incidentul de la 3 dimineața devine un coșmar.

Cardinalitatea metricilor: capcana ascunsă

Cardinalitatea înseamnă numărul de combinații unice de label-uri pentru o metrică. O metrică http_requests_total cu label-uri method (5 valori), status (10), endpoint (200) generează 10.000 de time series. Adaugă user_id (un milion de utilizatori) și ai un miliard. Prometheus va consuma RAM exponențial, Datadog te va factura per series, iar Grafana Cloud va aplica un cap automat. Audituri lunare cu topk(20, count by (__name__)({__name__=~".+"})) identifică metricile problematice.

Reguli de igienă: nu pune niciodată în label-uri ID-uri continue (user_id, request_id, session_id, trace_id), URL-uri raw cu parametri de query sau timestamp-uri. Folosește bucket-uri (de exemplu user_tier în loc de user_id).

Pentru metrici de business cu cardinalitate inevitabilă, mută-le în Prometheus remote_write către un backend specializat (Mimir, Thanos, VictoriaMetrics) sau în Amazon Managed Service for Prometheus, care taxează la $0.90 per 10 milioane de samples ingestate. În Datadog, folosește feature-ul Tag Cardinality Limit, care permite întoarcerea automată la versiunea anterioară a unui tag dacă explodează cardinalitatea.

Pipeline OpenTelemetry cu filtrare la sursă

OpenTelemetry Collector a devenit hub-ul central pentru deciziile de cost. Rulând un colector ca DaemonSet (per nod) sau Deployment (gateway), poți filtra, transforma și redirecta telemetria către multiple backend-uri în funcție de tip și severitate.

Strategia uzuală: trimite metrici critice și erori la Datadog (scump dar performant), iar loguri DEBUG și trace-uri sampled la Grafana Loki plus Tempo self-hosted (ieftin). Acest split reduce 60% până la 70% din factura comercială.

receivers:
  otlp:
    protocols:
      grpc: { endpoint: 0.0.0.0:4317 }

processors:
  filter/drop_health:
    logs:
      log_record:
        - 'attributes["http.target"] == "/healthz"'
        - 'attributes["http.target"] == "/metrics"'
  transform/redact_pii:
    log_statements:
      - context: log
        statements:
          - replace_pattern(body, "\\b\\d{16}\\b", "[REDACTED-CC]")
  batch:
    timeout: 10s
    send_batch_size: 8192

exporters:
  datadog/errors:
    api: { key: ${env:DD_API_KEY} }
  loki/debug:
    endpoint: http://loki:3100/loki/api/v1/push

service:
  pipelines:
    logs/errors:
      receivers: [otlp]
      processors: [filter/drop_health, transform/redact_pii, batch]
      exporters: [datadog/errors]
    logs/debug:
      receivers: [otlp]
      processors: [filter/drop_health, batch]
      exporters: [loki/debug]

Specificația FOCUS 1.1 publicată de FinOps Foundation include de la finalul lui 2025 dimensiuni standard pentru servicii de observabilitate, permițând alocarea costurilor de telemetrie pe echipă la fel ca celelalte servicii cloud. Vezi și ghidul de alocare a costurilor prin etichetare cu Terraform, showback și chargeback pentru implementarea politicilor de tagging coerente.

Politici de retenție pe niveluri (hot/warm/cold)

Datele de observabilitate au o curbă de utilitate abruptă: 95% din interogări vizează ultimele 24 de ore, 99% ultimele 7 zile. Păstrarea a 90 de zile de loguri în Datadog Indexed sau Splunk Hot este risipă pură. Strategia corectă este pe trei niveluri:

Hot (0 până la 7 zile): indexat complet, latency < 1s la query. Datadog Indexed Logs, CloudWatch Logs, Splunk Hot. Cost: $1.00 la $3.00 per GB efectiv.
Warm (7 până la 30 zile): rehydratable la cerere. Datadog Flex Logs, Splunk SmartStore, CloudWatch Logs cu Infrequent Access. Cost: $0.05 la $0.15 per GB.
Cold (30+ zile): S3 Glacier, Azure Archive, GCS Coldline. Interogabil prin Athena, Log Analytics on-demand sau BigQuery external table. Cost: $0.001 la $0.004 per GB.

Pentru AWS, scriptul de tiering este declarativ prin S3 Lifecycle Policy aplicat pe bucket-ul de loguri exportat din CloudWatch via Firehose. Pe Azure, configurează lifecycle management pe Storage Account-ul Log Analytics. Pe GCP, folosește Object Lifecycle Management pe bucket-ul GCS unde sink-ul Logging exportă.

Asigură-te că politicile de retenție respectă cerințele legale (GDPR, HIPAA, SOX). Uneori 7 ani de loguri financiare sunt obligatorii, dar nu trebuie să stea în Splunk Hot.

Comparație: CloudWatch vs Datadog vs Loki vs Splunk

Caracteristică	CloudWatch Logs	Datadog Logs	Grafana Loki	Splunk Cloud
Cost ingest (per GB)	$0.50	$0.10	~$0.02 (self-hosted)	~$1.80
Cost stocare 30 zile	$0.03/GB-lună	inclus în index	$0.023/GB (S3)	inclus
Indexing complet	parțial (Insights)	full-text	doar pe labels	full-text
Sampling/exclusion	subscription filters	exclusion filters	relabel rules	SmartStore tiers
Curbă învățare	scăzută (AWS-native)	scăzută (UI matur)	medie (LogQL)	ridicată (SPL)
Vendor lock-in	ridicat (AWS)	ridicat	scăzut (OSS)	ridicat
Cost lunar ~1TB/zi	~$16k	~$8k până la $50k*	~$2k	~$60k+

*Datadog variază masiv în funcție de proporția indexed vs ingest-only. Configurația greșită poate face Datadog mai scump decât Splunk; configurarea corectă cu Flex Logs și exclusion filters îl face cel mai bun raport calitate/preț pentru workload-uri eterogene. Loki câștigă pe cost pur, dar pierde la căutare full-text. Alege Loki dacă majoritatea queries-urilor sunt filtrate pe label-uri (service, namespace) și nu pe conținut liber.

Întrebări frecvente

Cât costă CloudWatch Logs lunar pentru o aplicație tipică?

Pentru o aplicație de producție de talie medie care generează 100 GB/zi de loguri, CloudWatch Logs costă aproximativ $1.500/lună pentru ingest ($0.50/GB × 3.000 GB) plus $90/lună pentru stocare 30 zile, plus costuri variabile de Logs Insights. La scară enterprise cu 1 TB/zi, factura ajunge la $15.000 sau $20.000/lună fără optimizare.

Cum reduci factura Datadog cu 50% fără pierdere de vizibilitate?

Activează exclusion filters pentru loguri de health check și debug (cca 30% reducere), aplică sampling 10% pentru APM la servicii non-critice cu retention filters care păstrează automat erorile (15% reducere), și auditează custom metrics cu Metrics Without Limits pentru a tăia tag-urile cu cardinalitate explozivă (5% până la 15% reducere).

Ce este tail-based sampling în OpenTelemetry?

Tail-based sampling reține decizia de păstrare a unui trace până când toate span-urile sale ajung la colector, permițând politici inteligente: păstrează 100% din trace-urile cu erori sau latență mare, dar doar 5% din traficul normal. Necesită memorie suficientă în colector pentru a buffera trace-urile câteva secunde.

Merită să migrezi de la Datadog la Grafana Loki self-hosted?