2026年のプロダクション監視とオブザーバビリティに必要なもの
コードをリリースすること自体は難しくない。日曜の深夜2時にシステムが正常であると把握できるかどうか、それもエンジニア全員を叩き起こさずに、は事前に意図的なツール選定をしているかどうかで決まる。このガイドでは2026年のオブザーバビリティスタック全体を解説する。エラートラッキング、APM、ログ集約、ダッシュボード、アラート、死活監視、実際のコスト、そしてシード期からスケール期まで各段階での意思決定ルールを網羅する。
オブザーバビリティの4つの柱
オブザーバビリティは単一の製品ではない。エラー、メトリクス、ログ、トレースという4種類のシグナルの組み合わせだ。それぞれが異なる問いに答える。エラーは何かが壊れたことを伝える。メトリクスは壊れる前にシステムが遅くなっているか劣化していることを伝える。ログは障害発生後のフォレンジックな証跡を提供する。トレースは一つのユーザーリクエストが触れたすべてのサービスをつなぎ合わせる。
2026年時点で、これらのシグナルを収集するツールは集約が進んだ。DatadogとNew Relicがオールインワン市場を押さえている。Sentryは開発者向けエラートラッキングで圧倒的なシェアを持つ。Prometheus+Grafanaはオープンソースのメトリクス標準として定着している。Lokiはすでにエコシステム内にいるチームの大規模ログ処理を担う。多くのチームは一つのツールに無理やり集約するより、2つか3つを組み合わせて使うことになる。
初期プロダクトが失敗するパターンは、間違ったツールを選ぶことではない。最初のバージョンをリリースするスプリントでオブザーバビリティを後回しにし、本番システムが負荷を受けている状態で後から計装しようとして慌てることだ。初日から計装すること。コストは低く、やらなければ実際のユーザーが実際のバグを踏む中で盲目的に飛び続けることになる。
意思決定ルール: チームが5人未満でプレレベニューの段階なら、Sentryとホスト型の死活監視チェックを使う。それだけで月$50以下で必要なものの80%をカバーできる。p95レスポンスタイムへの苦情が出てからAPMを追加する。それより前に追加する必要はない。
エラー・例外トラッキング: Sentry、Rollbar、LogRocket
エラートラッキングは多くのチームが最初に着手する、最も導入コストが低くシグナルが多いレイヤーだ。2026年のデフォルト選択はSentryだ。Developerプランは月$29から始まり、50Kエラーに対応し、JavaScript、Python、Go、Ruby、Javaなど十数種類のSDKをカバーする。月$89のTeamプランではパフォーマンスモニタリングとセッションリプレイが追加される。Rollbarは同等のボリュームで月$29という競合製品で、バックエンド中心のスタックに対してフィルタリングツールがやや優れている。LogRocketはフロントエンドのセッションリプレイとエラーの相関分析に特化しており、月$99から始まる。サポートキューが「ボタンを押したけど何も起きない」という報告で埋まっているようなチームには価値がある。
実際に何を設定するかの方が、どのツールを選ぶかより重要だ。SentryでソースマップをセットアップしてスタックトレースがMinify済みバンドルではなく元のTypeScriptを指すようにする。エラーをフィンガープリントでグループ化して、ノイジーなバグ1件が重要なバグ10件を埋もれさせないようにする。リリーストラッキングを設定して、新しいデプロイがロールアウト後数分以内にリグレッションを引き起こしたかどうかを確認できるようにする。
3つのツール全てに共通する必須ルール: ベンダーにイベントが送信される前に機密データを削除すること。SentryのbeforeSendフックでイベントペイロードからPIIを除去できる。Rollbarにも同等のcheckIgnoreコールバックがある。決済データや医療情報を扱う場合、これは任意ではない。クレジットカード番号やセッショントークンをサードパーティのSaaSに送信する設定ミスは、プライバシーの問題にとどまらずコンプライアンス上のインシデントだ。
目標エラーレート: 健全なSaaSであれば、未処理の例外レートはセッションの0.1%未満に抑えるべきだ。1%を超えていたら、新機能より優先して取り組むべきプロダクト品質の問題がある。
APM: レスポンスタイム、DBクエリレイテンシ、APIパフォーマンス
アプリケーションパフォーマンスモニタリングは「なぜアプリが遅いのか」という問いに、推測ではなくデータで答える。コアメトリクスはAPIエンドポイントのp50、p95、p99レスポンスタイム、クエリ別のデータベースクエリ時間、外部API呼び出しのレイテンシだ。この3つのカテゴリでユーザーに実際に影響するパフォーマンス問題の90%が明らかになる。
Datadog APMはインフラプランで$15/ホスト/月から始まり、APMでさらに$31/ホスト/月が加算される。3ノードのプロダクションクラスターで月$135-$180を見込む必要がある。New Relicも同様の価格帯だ。どちらも分散トレース、低速クエリ検出、レイテンシスパイクとデプロイを相関付けるデプロイメントマーカーを提供する。
オープンソース代替: 計装にOpenTelemetry、トレースストレージにTempo、可視化にGrafana。ツールスタック自体は無料だ。設定、保守、アラート設定にかかるエンジニアリングコストは無料ではない。セットアップに10-20時間、その後も継続的なメンテナンスが発生する。これが合理的になるのはエンジニアが15人以上いる場合か、Datadogの請求が月$2,000を超えた場合だ。
障害が起きる前に予兆を捉えるメトリクス: データベース接続プールの飽和度が80%超、p99 APIレイテンシが10分間でベースラインの2倍以上に上昇、アプリサーバーのメモリ使用量がトラフィック増加を伴わずに上昇傾向にある。これらの3つのアラートを他の何よりも先に設定すること。
MTTR目標: 有料顧客を持つSaaSの場合、検知された障害からの平均回復時間30分が妥当な出発点だ。15分未満は優秀。2時間を超えている場合はアラートまたはランブックのどちらかが機能していない。
RUMvs.合成監視: それぞれの使い分け
リアルユーザーモニタリング(RUM)は実際のユーザーが体験するパフォーマンスを、地理的なばらつき、デバイス能力、実際のネットワーク状況を含めて記録する。合成監視はユーザーのアクティビティに関係なく、固定の場所からスケジュールに基づいてスクリプト化したチェックを実行する。両方が必要であり、それぞれ異なる問いに答える。
RUMはAndroidデバイスを使うブラジルのユーザーがFirst Contentful Paintに6秒かかっていることを教えてくれる。これは合成監視だけでは発見できない最適化の課題だ。Sentry Performance、Datadog RUM、LogRocketはいずれもRUMを提供している。Datadog RUMは1,000セッションあたり$1.50から始まる。月間アクティブユーザー50Kが平均2セッションの場合、最適化なしで月$150になる。
合成監視は、ユーザーから報告が来る前に、シドニーリージョンで午前3時47分にチェックアウトフローが壊れたことを教えてくれる。Checkly、Playwright ベースの合成スイート、Datadog Syntheticsがこれを担う。Checklyは50Kチェック実行で月$29から始まる。重要なユーザージャーニー(ログイン、チェックアウト、コアCRUDフロー)については、少なくとも3つのリージョンから5分ごとに合成チェックを実行すること。
実践的な使い分け: リリース当日から最も重要な5つのパスに合成チェックを設定する。RUMは意味のあるデータが集まる十分なトラフィックが生まれてから追加する。一般的に日間アクティブユーザー1,000人以上が目安だ。それ以前は合成監視の方が費用対効果が高い。
2026年に重要なCore Web Vitalsの閾値: LCP 2.5秒未満、INP 200ミリ秒未満、CLS 0.1未満。これらは努力目標ではない。Googleのランキングシグナルとユーザーリテンションのどちらも、これらの数値を達成しているかどうかと相関している。
ログ集約: ELK、Loki、Splunk
ログはシステムが何を行ったかのフォレンジック記録だ。ログを一元管理しなければ、本番障害のデバッグはサーバーに個別にSSHすることになり、遅い上に分散したパターンを見落とす。2026年には規模と予算に応じて3つの選択肢が主流だ。
ELKスタック(Elasticsearch、Logstash、Kibana)は最も柔軟な選択肢だ。Elastic Cloudのマネージド版は小規模クラスターで月約$95から始まる。セルフホストは無料だが、相当な運用オーバーヘッドが必要だ。ElasticsearchはメモリをよぐPひ消費し、1日数百GBを超えるとインデックス管理だけで専任担当者が必要になる。ログを対象とした複雑な全文検索が必要で、すでにElasticsearchの知見を持つチームに向いている。
Grafana LokiはログElasticsearchのように内容をインデックス化せずラベルだけをインデックスするため、Elasticsearchより大幅に低コストで運用できるログ集約専用ツールだ。LokiはGrafanaダッシュボードおよびPrometheusメトリクスと自然に連携し、すべての時系列データを1つのUIで扱える。Grafana Cloudの無料ティアには50GBのログストレージが含まれる。有料プランは取り込みデータ$0.50/GBから始まる。初期段階のプロダクトの多くは月間ログ量が20GB未満で、実質月$10の問題だ。
Splunkはエンタープライズ向けの選択肢でエンタープライズ価格を持つ。レガシーのボリューム価格モデルでは取り込み1日$150/GBだ。この価格ではSplunkのSIEM機能がコストを正当化できるコンプライアンス要件のある環境にしか適合しない。
ログ内の機密データは深刻なリスクだ。ログをいずれかの集約サービスに送信する前に、アプリケーション層でトークン、パスワード、クレジットカード番号、PIIを除去すること。明示的なフィールドホワイトリストを持つ構造化ロギングが最も安全なパターンだ。本番環境では生のリクエストボディをログに記録しないこと。
メトリクスとダッシュボード: Prometheus、Grafana、Datadog
メトリクスはシステムの鼓動だ。適切なダッシュボードがあれば、オンコールのエンジニアは5分以内に重大度を把握してRootCauseを特定できる。悪いダッシュボードは誰も障害が起きるまで見ない数値の羅列になる。
Prometheusはメトリクス収集のオープンソース標準だ。プルモデルでターゲットをスクレイプし、時系列データをローカルに保存し、Alertmanager経由でアラートを発火する。GrafanaはPrometheusを読み込んでダッシュボードをレンダリングする。組み合わせは無料だ。運用コストはPrometheusを十分なストレージと高可用性で稼動させることにある。Kubernetesを使うチームであれば、kube-prometheus-stack HelmチャートでプロダクショングレードのセットアップのAの80%を半日で構築できる。
Datadogのメトリクス製品はインフラ監視で$15/ホスト/月から始まり、4,000以上のすぐ使えるインテグレーションとストレージ管理不要のホスト型ダッシュボードサービスが含まれる。利便性のプレミアムは実在するが、節約される時間も同様だ。5人のエンジニアがそれぞれ月2時間Prometheusのメンテナンスに費やすと、年収$120Kの平均給与で月$1,200の人件費になり、これは3ホスト分のDatadog約7か月分に相当する。
初日に必要なダッシュボード: サービスごとのリクエストレート、エラーレート、レイテンシ(REDメソッド)、ホストごとのCPU、メモリ、ディスク、データベース接続数とクエリレイテンシ、外部依存サービスのヘルス。それ以外は二次的なものだ。
アラート疲れはオンコール文化を静かに蝕む。システム内の全てのアラートにはドキュメント化された対応アクションが必要だ。アラートが発火してオンコールエンジニアが何をすべきか分からない場合は、そのアラートを削除するか低優先度の通知に変換すべきだ。安定稼働時のエンジニア一人あたりの週間アクション可能なアラートは5件未満を目標にする。
死活監視とステータスページ
死活監視は最もシンプルなレイヤーであり、内部メトリクスでは見逃す外部障害を捉える唯一の手段だ。CDNエッジノードが502を返している、DNS設定ミス、TLS証明書の有効期限切れは、いずれもAPMには現れないが外部からの死活チェックには即座に現れる。
Better Uptimeは月$24から始まり、マルチリージョンHTTPチェック、SSL有効期限アラート、インシデント管理、ホスト型ステータスページが含まれる。Pingdomは基本的な死活監視で月$15から始まるが、ページスピード監視は別料金だ。Freshpingは基本的なチェックの無料ティアを提供している。多くのプロダクトにとって、Better Uptimeの月$24ティアで要件を完全に満たせる。
ステータスページは単なる運用ツールではなく、信頼の仕組みだ。障害発生時にstatus.yourdomain.comにリアルタイムのコンポーネント状態を表示するステータスページがあれば、サポート受信箱が「サイトは落ちていますか?」というチケットで埋まるのを防げる。Statuspage(Atlassian製)は月$29から。Instatusは月$20から始まりセットアップ体験がよりすっきりしている。どちらもインシデントの更新情報を自動でメールまたはSMSでサブスクライバーに通知できる。
SSL証明書監視について: 有効期限の30日前と7日前にアラートを設定すること。Let's Encryptの証明書は90日ごとに期限切れになり、自動更新がサイレントに失敗することがある。期限切れの証明書はサイトを完全に停止させ、たいてい最悪のタイミングで発生する。
最低限の死活監視設定: 3つのリージョンからの1分ごとのHTTPチェック、ステータスコード検証、レスポンスボディのキーワードチェック、SSL有効期限アラート、チェックが2分以上連続して失敗した場合に自動公開される公開ステータスページ。
アラート、オンコール、インシデント対応
オンコールローテーションのないアラートは形だけのものだ。誰かがアラートを受け取り、トリアージして、対処する必要がある。最初の本番障害が起きる前にこれを定義しておくことが、20分で回復するか4時間の障害になるかの分岐点だ。
PagerDutyとOpsGenieは標準的なオンコールプラットフォームだ。PagerDutyは$21/ユーザー/月から始まる。OpsGenieは$9/ユーザー/月から始まり、Atlassianスイートの一部であるため、すでにJiraを使っているなら自然な選択だ。非常に初期段階のチームには、Grafana OnCallがオープンソースとして提供されており、追加ライセンスコストなしでエスカレーションポリシーとオンコールスケジュールを管理できる。
アラートのルーティングは重要だ。Sentryのエラーレートが閾値を超えない限り、深夜3時にオンコール担当者を呼び出すべきではない。P1アラート(サイトダウン、決済処理の停止、データ損失)は即座に呼び出す。P2アラート(エラーレートの上昇、レイテンシの悪化)はビジネスアワーにSlack通知し、30分後にのみ呼び出しにエスカレートする。P3アラートはJiraチケットを作成する。この重大度ティアを維持してすべてがP1にエスカレートするのを防ぐのは、ツールの問題より規律の問題だ。
インシデント対応ランブックはドキュメントシステム(Notion、Confluence、またはリポジトリ)に置き、アラートの説明から直接リンクすること。「データベース接続プール枯渇」のランブックには4つのステップがあるべきだ: 接続ダッシュボードを確認する、コネクションプーラーを再起動する、回復を確認する、ポストモーテムタスクを登録する。ランブック規律を実践しているチームは、毎回その場で対応するチームと比べてMTTRを40-60%短縮できる。
ポストモーテムはブレームレスで、P1インシデントには必須だ。長くある必要はない。タイムライン、根本原因、担当者付きの2つのフォローアップアクションアイテムをカバーした200字程度の文書で、再発を防ぐには十分だ。
ステージ別のツール選択とPineidoによる設計方針
適切なオブザーバビリティスタックはプロダクトの成長に伴って変化する。シード期にインフラツールに過投資すると、プロダクトに向けるべきエンジニアリング時間を無駄にする。過小投資すると、最初の深刻な顧客が最初の深刻な障害を、状況を把握する手段もないまま体験することになる。
シード期(MRR $10K未満): Sentry Developerプラン($29/月)、Better Uptime($24/月)、Grafana Cloudの無料ティア(メトリクスとログ)、Instatus経由のステータスページ($20/月)。合計: 月$75未満でエラー、死活監視、基本メトリクスを完全にカバー。
グロース期(MRR $10K-$100K): Datadog APMを追加するか、Prometheus+GrafanaをプロダクショングレードにプロモートするF。Datadog RUMまたはSentry Performanceでリアルユーザーモニタリングを追加。オンコール用にPagerDutyまたはOpsGenieをセットアップ。ホスト数に応じて月$300-$800を見込む。
スケール期(MRR $100K超): コンプライアンス対応のログ保持のためSplunkまたはElastic Cloudを評価し、全サービスにわたる分散トレーシングに投資し、専任SREまたはプラットフォームエンジニアを検討する。ツール費用だけで月$1,500-$5,000を見込む。
Pineidoはこのオブザーバビリティ基盤をすべての固定価格30日スプリントに組み込んでいる。具体的なツール選択はスタック、予算、コンプライアンス要件に基づいてプロジェクトごとにスコープを決める。新しいプロダクトを立ち上げる場合や、監視が何もない既存システムを引き継いだ場合、最も関連する出発点は/services/app-web-developmentのカスタムアプリ・ウェブ開発スプリントだ。オブザーバビリティの設定は完了定義の一部であり、後付けではない。
参考コストまとめ: Sentry $29/月から、Datadog $15/ホスト/月から、Prometheus+Grafanaはオープンソース(エンジニアリング工数のみ)、Better Uptime $24/月から、PagerDuty $21/ユーザー/月から、Statuspage $29/月から。
毎週、オペレーションのヒントを受け取る
サービス業の経営者・運営者と一緒に、オペレーション、自動化、成長に関する実践的なヒントを毎週1つ受け取りましょう。
スパムは送りません。いつでも配信停止できます。
登録が完了しました。次号を受信トレイでお待ちください。
送信できませんでした。もう一度お試しいただくか、[email protected] までご連絡ください。
よくある質問
SentryとDatadogの違いは何ですか?
Sentryはソースレベルのスタックトレースを持つエラー・例外トラッキングに特化している。特定のコード行で例外が発生した事実とその頻度を伝える。DatadogはインフラメトリクスでAPM、ログ、RUMを一つの製品でカバーする広範なオブザーバビリティプラットフォームだ。多くのチームは両方を使う。GitHubやJiraと連携する開発者向けエラーワークフローにはSentryを、インフラとパフォーマンスの可視化にはDatadogを使う。小規模では、Sentryと無料のGrafana Cloudティアを組み合わせることで、Datadogが提供する機能の80%をはるかに低いコストでカバーできる。
PrometheusとGrafanaはDatadogと比べて本当に無料ですか?
ソフトウェア自体は無料だ。運用にかかるエンジニアリング時間は無料ではない。Prometheusはストレージ管理、高可用性設定、継続的なメンテナンスが必要だ。3人のエンジニアがそれぞれ月2時間メンテナンスに費やすと、年収$120Kの平均給与で月約$175の人件費、加えてホスティングコストがかかる。Datadogは1ホストあたり$45/月でそのメンテナンスをなくせる。オープンソースが総コストで優位になる分岐点は、一般的にホストが15台以上になったときか、Datadogの請求が月$2,000を超えたときだ。
RUMと合成監視のどちらを使うべきですか?
初日から合成監視を使い、実際のユーザーが踏む前に障害や重要なユーザーフローの破損を検知する。少なくとも3つの地理的リージョンからログイン、チェックアウト、コアCRUDフローに対して5分ごとにチェックを実行する。日間アクティブユーザーが1,000人以上になってからRUMを追加する。それが実際のユーザーの地理的・デバイスのばらつきがアクショナブルなデータを生み出すタイミングだ。その閾値に達するまでは、合成監視の方が費用対効果が高い。長期的には両方が必要だ。合成監視は可用性の保証のため、RUMはユーザー体験の品質のためだ。
監視ツールに機密データが漏洩するのを防ぐにはどうすればいいですか?
Sentryの`beforeSend`フックを設定して、イベント送信前にPIIフィールドを除去する。明示的なフィールドホワイトリストを持つ構造化ロギングを使用して、パスワードや決済データを含む生のリクエストボディを誤ってログに記録しないようにする。Datadogの場合は、エージェント設定のログスクラビングルールを使用する。ログ集約ツールでは、クレジットカード番号、SSN、APIトークンに一致するパターンに対してパイプラインレベルでregexベースの削除を適用する。特に決済データや医療データを扱う場合は、リリース後のタスクではなくリリースブロッカーとして扱うこと。
SaaSプロダクトにとって現実的なMTTR目標はどのくらいですか?
有料顧客を持つSaaSの場合、検知された障害からの平均回復時間30分未満が堅実なベースラインだ。15分未満は優秀で、一般的にアラートの説明からリンクされたドキュメント化されたランブック、テスト済みのオンコールローテーション、エンジニアが確認してから5分以内にRootCauseを表示するダッシュボードが必要だ。常に2時間を超えている場合は、アラートがノイジーすぎるか、ランブックが存在しないか、オンコールローテーションが機能していないかのどれかだ。P1インシデントで4時間を超えるMTTRはチャーンイベントだ。
公開ステータスページは必要ですか?
有料顧客がいる場合は必要だ。インシデント時に自動公開されるstatus.yourdomain.comのステータスページがあれば、障害中にサポート受信箱が溢れるのを防ぎ、営業の各段階でエンタープライズバイヤーに運用の成熟度をシグナルとして示せる。Instatusは月$20から始まりBetter Uptimeと連携する。Statuspageは月$29から始まりAtlassianエコシステムの一部だ。どちらもサブスクライバーがインシデントのメールまたはSMS通知をオプトインでき、実際に障害中のサポートチケット量を50-70%削減できる。