云端程序监控工具开发商:数据狗公司 Datadog, Inc.(DDOG)

美股百科
美股百科
美股百科
管理员
8637
文章
1
粉丝
美股明星股 软件/SaaS/APP评论42,413
云端程序监控工具开发商:数据狗公司 Datadog, Inc.(DDOG) | 美股之家 - 港股美股开户投资百科全书

数据狗公司Datadog, Inc.(NASDAQ:DDOG)创立于2010年,总部位于美国纽约州New York,全职雇员8,100人,Datadog 在美国及全球范围内运营着一个面向云应用的可观测性与安全平台。

云端程序监控工具开发商:数据狗公司 Datadog, Inc.(DDOG)-图片1

Datadog, Inc.(DDOG)美股百科

Datadog, Inc. 是一家美国公司,通过基于 SaaS 的数据分析平台,为云规模应用程序提供可观测性服务,涵盖对服务器、数据库、工具及服务的监控。该公司成立于纽约市,总部也设于此,目前在纳斯达克证券交易所上市。

Datadog, Inc. 的产品涵盖基础设施监控、应用程序性能监控、日志管理、可观测性数据管道、合成监控、真实用户监控、产品分析、持续性能分析、数据库监控、数据可观测性、大型语言模型(LLM)可观测性、错误追踪、网络监控、事件响应、工作流自动化、应用程序构建工具(App Builder)、事件管理、Bits AI SRE 智能运维、云成本管理、云安全、代码安全、云端安全信息与事件管理(Cloud SIEM)、威胁管理、敏感数据扫描以及持续集成(CI)可视化。

Datadog, Inc.(DDOG)产品百科

一、可观测性(Observability)

主要用于监控企业 IT 基础设施、应用程序、数据库和日志数据,帮助企业发现性能瓶颈、排查故障并优化系统运行。

  1. Infrastructure Monitoring(基础设施监控):实时监控服务器、云计算资源及 IT 基础设施的运行状态、性能和健康状况。
  2. Custom Metrics(自定义指标):允许企业采集和分析自定义业务及技术指标,满足特定监控需求。
  3. Network Monitoring(网络监控):监控云端、本地及混合网络的流量、连接状态和设备性能,帮助排查网络故障。
  4. Container Monitoring(容器监控):实时监控容器化应用及其运行环境的资源使用情况和性能表现。
  5. Kubernetes Autoscaling(Kubernetes 自动扩缩容):根据应用负载及资源需求自动调整 Kubernetes 集群的计算资源。
  6. Serverless Monitoring(无服务器计算监控):监控无服务器应用的执行性能、调用情况及运行异常。
  7. Cloud Cost Management(云成本管理):分析企业云计算资源的使用情况和费用,帮助识别浪费并优化云支出。
  8. Storage Management(存储管理):监控存储系统的容量、使用率和性能,帮助企业优化存储资源。
  9. GPU Monitoring(GPU 监控):监控 GPU 的利用率、显存和运行性能,帮助优化人工智能及高性能计算工作负载。
  10. Application Performance Monitoring(应用程序性能监控):通过分布式追踪和性能分析,监控应用程序运行状况并定位性能瓶颈。
  11. Universal Service Monitoring(通用服务监控):无需修改应用程序代码,即可发现和监控服务之间的通信及性能表现。
  12. Continuous Profiler(持续性能分析):持续分析应用程序的 CPU、内存等资源消耗,定位代码层面的性能问题。
  13. Dynamic Instrumentation(动态插桩):无需重新部署应用程序,即可动态获取运行时诊断数据并排查故障。
  14. Agent Observability(AI 智能体可观测性):监控 AI 智能体的执行过程、工具调用和性能,帮助排查智能体应用中的问题。
  15. Database Monitoring(数据库监控):监控数据库运行状态、查询性能和资源使用情况,帮助优化数据库效率。
  16. Data Observability(数据可观测性):监控数据管道和数据集的质量、可靠性及异常情况。
  17. Data Streams Monitoring(数据流监控):追踪实时数据流在不同系统之间的传输,识别延迟和处理瓶颈。
  18. Log Management(日志管理):集中采集、存储、搜索和分析系统及应用程序日志,加快故障排查。
  19. Audit Trail(审计追踪):记录和追踪平台内的用户操作及配置变更,支持安全审计和合规管理。
  20. Observability Pipelines(可观测性数据管道):在日志及遥测数据进入分析平台前,对其进行采集、过滤、转换和路由。
  21. Error Tracking(错误追踪):自动识别、归类和分析应用程序错误,帮助开发人员确定问题来源。
  22. Bring Your Own Cloud Log Management(自有云日志管理):利用企业自有云存储保存日志数据,同时通过 Datadog 进行查询和分析。
  23. Sensitive Data Scanner(敏感数据扫描):自动识别日志及其他数据中的敏感信息,帮助降低数据泄露风险。

二、安全(Security)

主要面向企业代码、云计算环境、应用程序及网络威胁提供安全检测、防护和合规管理。

  1. Code Security(代码安全):整合代码安全检测能力,帮助企业识别和修复软件开发及运行过程中的安全风险。
  2. Software Composition Analysis(软件成分分析):分析应用程序使用的开源组件及第三方依赖,识别已知漏洞和潜在风险。
  3. Static Code Analysis(静态代码分析):在不运行程序的情况下扫描源代码,发现安全漏洞和代码质量问题。
  4. Runtime Code Analysis(运行时代码分析):结合应用程序实际运行情况,识别代码中的安全问题并辅助确定修复优先级。
  5. IaC Security(基础设施即代码安全):扫描 Terraform 等基础设施配置代码,检测可能导致云环境风险的错误配置。
  6. Secret Scanning(敏感凭证扫描):识别代码和开发流程中意外暴露的 API 密钥、密码及其他敏感凭证。
  7. Cloud Security(云安全):统一识别和管理云基础设施、工作负载及应用程序面临的安全风险。
  8. Sensitive Data Scanner(敏感数据扫描):检测日志及其他数据中的个人身份信息、密钥等敏感内容。
  9. Cloud Security Posture Management(云安全态势管理):持续检查云资源配置,发现安全隐患及不符合安全标准的设置。
  10. Cloud Infrastructure Entitlement Management(云基础设施权限管理):分析云环境中的用户、角色和访问权限,识别过度授权风险。
  11. Vulnerability Management(漏洞管理):识别和评估云基础设施及应用程序中的安全漏洞,并根据实际风险确定修复优先级。
  12. Compliance(合规管理):持续评估云环境是否符合相关安全标准及监管要求。
  13. Cloud Workload Protection(云工作负载防护):监控云服务器、容器等运行中的工作负载,检测可疑活动和潜在攻击。
  14. App & API Protection(应用程序与 API 防护):检测和防御针对 Web 应用程序及 API 的恶意请求和攻击行为。
  15. Cloud SIEM(云安全信息与事件管理):集中分析安全日志及事件,检测潜在威胁并支持安全事件调查。
  16. Bits Security Analyst(Bits AI 安全分析助手):利用人工智能辅助分析安全警报、调查威胁并加快安全事件处置。

三、数字体验(Digital Experience)

主要用于监控网站及移动应用的真实用户体验,并通过自动化测试和产品分析提高应用质量与用户满意度。

  1. Product Analytics(产品分析):分析用户在网站及应用程序中的行为,帮助企业了解产品使用情况并优化用户体验。
  2. Experiments(实验测试):通过产品实验和对照测试评估功能变更对用户行为及业务指标的影响。
  3. Browser Real User Monitoring(浏览器真实用户监控):采集真实用户访问网站时的加载速度、操作行为和错误数据。
  4. Mobile Real User Monitoring(移动端真实用户监控):监控移动应用的性能、崩溃情况及真实用户体验。
  5. Session Replay(用户会话回放):重现用户在网站或应用程序中的操作过程,帮助分析体验问题。
  6. Synthetic Monitoring(合成监控):通过自动模拟用户访问和 API 请求,主动检测网站及服务的可用性和性能。
  7. Mobile App Testing(移动应用测试):自动测试移动应用的功能及用户操作流程,帮助发现发布前的问题。
  8. Continuous Testing(持续测试):将自动化测试整合到软件开发流程中,提前发现功能和性能问题。
  9. Error Tracking(错误追踪):集中识别和分析前端及应用程序错误,帮助开发团队快速定位问题。
  10. Dashboards(数据仪表板):通过可视化图表集中展示用户体验、性能及业务指标。

四、软件交付(Software Delivery)

主要帮助软件开发团队提高代码质量、自动化测试效率以及软件开发和发布速度。

  • Continuous Testing(持续测试):在持续集成和软件交付过程中运行自动化测试,及时发现软件缺陷。
  • Internal Developer Portal (IDP)(内部开发者门户):为开发人员提供统一入口,集中访问服务信息、开发工具和内部资源。
  • CI Visibility(持续集成可视化):监控持续集成流水线的执行情况,识别构建失败、测试异常及性能瓶颈。
  • Test Optimization(测试优化):通过分析测试结果和代码变更,优化测试执行范围并减少不必要的测试开销。
  • Feature Flags(功能开关):无需重新部署应用程序,即可控制新功能的启用、关闭及分阶段发布。
  • Code Coverage(代码覆盖率):衡量自动化测试对应用程序代码的覆盖程度,帮助发现测试不足的部分。
  • Software Composition Analysis(软件成分分析):检查软件依赖组件中的安全漏洞,降低第三方代码带来的风险。
  • DORA Metrics + AI Impact(DORA 指标与 AI 影响分析):通过软件交付关键指标衡量开发效率,并分析人工智能工具对研发工作的影响。

五、服务管理(Service Management)

主要帮助企业管理 IT 事件、协调团队工作、自动化运维任务,并提高故障响应和解决效率。

  1. Incident Management(事件管理):集中协调系统故障及服务中断的响应、调查和修复流程。
  2. Work Management(工作管理):统一管理技术团队的任务、问题和后续处理工作。
  3. Service Level Objectives(服务级别目标):定义和监控服务可用性及性能目标,帮助企业衡量服务可靠性。
  4. Workflow Automation(工作流自动化):通过预设工作流程自动执行故障处理、通知及其他运维任务。
  5. Datadog Apps(Datadog 应用):构建与 Datadog 数据和工作流程集成的定制化内部应用程序。
  6. Event Management(事件管理与关联分析):集中处理来自不同监控工具和系统的事件,帮助团队识别需要优先处理的问题。
  7. Internal Developer Portal (IDP)(内部开发者门户):集中管理开发服务和相关资源,促进开发及运维团队之间的协作。
  8. Software Catalog(软件目录):统一记录企业内部软件服务、负责人及相关依赖关系,便于管理和故障排查。

六、人工智能(AI)

这一业务包含两方面:利用人工智能增强 Datadog 自身的监控及安全分析能力,以及为企业开发和运行人工智能应用提供可观测性基础设施。

  1. Bits Investigation(Bits 智能调查):利用人工智能自动关联监控数据和系统异常,辅助调查故障并识别根本原因。
  2. Bits AI(Bits 人工智能):将人工智能能力整合到 Datadog 平台,辅助企业分析系统数据、发现问题和开展运维工作。
  3. Bits Chat(Bits AI 对话助手):允许用户通过自然语言查询 Datadog 数据,获取系统运行情况及故障分析结果。
  4. Bits Agent Builder(Bits AI 智能体构建器):帮助企业创建可调用 Datadog 数据和工具的定制化人工智能智能体。
  5. Bits Code(Bits AI 代码助手):利用人工智能辅助开发人员理解、分析和处理与软件运行相关的代码问题。
  6. Bits Security Analyst(Bits AI 安全分析助手):利用人工智能分析安全事件及相关证据,提高安全调查效率。
  7. Agent Observability(AI 智能体可观测性):监控人工智能智能体的运行轨迹、性能和工具调用,帮助企业优化智能体应用。
  8. MCP Server(模型上下文协议服务器):通过 MCP 协议向人工智能助手和智能体提供 Datadog 数据及工具访问能力。
  9. Pup CLI(Pup 命令行工具):通过命令行访问 Datadog 功能,便于开发人员及人工智能工具进行操作和集成。
  10. GPU Monitoring(GPU 监控):监控人工智能训练和推理所使用的 GPU 资源,帮助提高计算效率并控制成本。

七、平台能力(Platform Capabilities)

主要包括 Datadog 平台内置的数据可视化、自动化、团队协作、权限管理以及第三方系统集成能力。

  1. Bits AI(Bits 人工智能):为 Datadog 平台提供人工智能辅助分析、故障调查及运维能力。
  2. Bits Chat(Bits AI 对话助手):允许用户通过自然语言与 Datadog 监控和运维数据进行交互。
  3. Bits Agent Builder(Bits AI 智能体构建器):支持创建与 Datadog 平台数据和工作流程集成的人工智能智能体。
  4. Alerts(警报管理):根据自定义监控条件自动发送性能异常、系统故障及其他重要事件通知。
  5. Custom Metrics(自定义指标):支持企业采集和分析符合自身业务需求的自定义监控指标。
  6. Dashboards(数据仪表板):将不同来源的监控数据整合为实时可视化图表。
  7. Notebooks(分析笔记本):将数据图表、查询结果和文字说明整合到协作式分析文档中。
  8. Mobile App(移动应用程序):允许技术人员通过移动设备查看监控数据、接收警报并处理事件。
  9. Fleet Automation(代理程序批量自动化管理):集中管理和更新部署在不同系统中的 Datadog Agent。
  10. Access Control(访问权限控制):通过角色及权限设置,控制不同用户对 Datadog 数据和功能的访问。
  11. Governance Console(治理控制台):集中管理平台配置、使用情况及治理策略。
  12. DORA Metrics + AI Impact(DORA 指标与 AI 影响分析):衡量软件研发和交付效率,并分析人工智能工具对开发流程的影响。
  13. Incident Management(事件管理):集中协调系统故障及服务中断的调查、响应和处理。
  14. Work Management(工作管理):帮助技术团队组织、跟踪和协调运维及开发任务。
  15. Workflow Automation(工作流自动化):通过自动化流程执行跨系统运维操作,减少重复性人工工作。
  16. Teams(团队管理):在 Datadog 平台内组织团队成员、服务归属及相关协作信息。
  17. OpenTelemetry(开放遥测):支持接收和分析符合 OpenTelemetry 标准的指标、日志及分布式追踪数据。
  18. Integrations(第三方集成):将 Datadog 与各类云平台、数据库、开发工具和企业软件连接,实现统一监控。
  19. IDE Plugins(集成开发环境插件):将 Datadog 的监控及诊断信息引入开发人员使用的代码编辑工具。
  20. MCP Server(模型上下文协议服务器):允许支持 MCP 的人工智能应用访问 Datadog 的监控数据和相关工具。
  21. Agent Directory(智能体目录):集中发现和管理与 Datadog 平台集成的人工智能智能体。
  22. Datadog Apps(Datadog 应用):帮助企业开发基于 Datadog 数据及工作流程的定制化应用。
  23. API(应用程序编程接口):通过程序接口访问和管理 Datadog 数据及功能,支持自动化和第三方集成。
  24. Marketplace(应用市场):提供第三方软件、集成及扩展功能,扩大 Datadog 平台的应用范围。
  25. Pup CLI(Pup 命令行工具):提供命令行操作接口,支持开发者及自动化工具使用 Datadog 的相关功能。
  26. Software Catalog(软件目录):统一展示企业内部服务、相关负责人及服务之间的依赖关系。
  27. Service Level Objectives(服务级别目标):通过可靠性指标监控服务是否达到预先设定的性能及可用性目标。

Datadog, Inc.(DDOG)融资百科

  • 2010年7月27日,种子轮,融资金额不详。
  • 2011年4月29日,种子轮+,获得6家机构的120万美元资金。
  • 2012年11月21日,A轮融资,获得了 Index Ventures, RTP Ventures 领投,IA Ventures、Contour Venture Partners、Amplify Partners和NYC Seed 4家机构跟投的620万美元资金。
  • 2014年2月4日,B轮融资,获得了 OpenView Venture Partners领投,Index Ventures、RRE Ventures、IA Ventures及Contour Venture Partners等7家机构跟投的1500万美元资金。
  • 2015年1月28日,C轮融资, Index Ventures领投,OpenView Venture Partners、Amplify Partners和RTP Ventures跟投了3100万美元。
  • 2016年1月12日的D轮融资中, ICONIQ Capital领投,Index Ventures、Meritech Capital Partners、OpenView Venture Partners和Contour Venture Partners等5家跟投了9450万美元资金。

Datadog, Inc.(DDOG)历史百科

Datadog 于 2010 年在纽约市由 Olivier Pomel 和 Alexis Lê-Quôc 创立,两人在 Wireless Generation 工作时相识。在 Wireless Generation 被 NewsCorp 收购之后,两人决定共同打造一款产品,旨在减少开发人员与系统运维团队之间的摩擦,这两个团队常常目标不一致。

他们创建了 Datadog,作为一项云基础设施监控服务,具备仪表板、告警和指标可视化功能。随着云计算的普及,Datadog 实现了快速增长,并扩展了产品覆盖范围,支持的服务提供商包括 Amazon Web Services (AWS)、Microsoft Azure、Google Cloud Platform、Red Hat OpenShift、VMware 和 OpenStack。

2015 年,Datadog 在巴黎设立了研发办公室。

2016 年,Datadog 将其纽约市总部迁至《纽约时报大厦》的整层楼,以支持快速扩张的团队,该年员工人数翻了一番。

Datadog 于 2016 年宣布推出 Application Performance Monitoring 的测试版,首次提供全栈监控解决方案。

在 Datadog 于 2019 年 9 月首次公开募股(IPO)前,公司曾收到 Cisco 提出的超过 70 亿美元的收购报价,但公司拒绝了这一提议,选择继续推进上市计划。

2019年9月19日,数据狗公司Datadog, Inc.(NASDAQ:DDOG)IPO上市登录纳斯达克,发行价27美元(计划发行价$19.00 - $22.00),发行2400万股,募资6.48亿美金,Morgan Stanley/ Goldman Sachs/ J.P. Morgan/ Credit Suisse承销。

截至 2024 年,公司拥有超过 5,200 名员工,其中大多数位于美国,在纽约、波士顿、巴黎、都柏林、丹佛、旧金山、阿姆斯特丹、日本、澳大利亚和新加坡等地设有办公室。

Datadog, Inc.(DDOG)收购百科

2015 年 2 月,Datadog 宣布收购 Mortar Data,以帮助将分析与数据监控结合起来。

2017 年 9 月,Datadog 宣布收购 Logmatic。

2019 年 2 月,Datadog收购Madumbo,后者是一个基于AI的应用测试平台。

2020 年 8 月,Datadog 宣布收购 Undefined Labs,这是一家针对开发人员工作流的测试和可观察性公司。

2021 年 2 月,Datadog 宣布收购 Timber,这是一款与供应商无关的高性能数据管道。

2021 年 2 月,Datadog 宣布收购 Sqreen,这是一款面向现代企业的应用程序安全平台。

2021 年 11 月,Datadog 宣布收购 Ozcode,这是一款实时调试解决方案,可为生产环境带来代码级可见性。

2022年8月4日,Datadog(DDOG)收购了高度创新的 API 可观察性公司 Seekret,以扩展其统一平台以在整个 API 生命周期内提供更深入的 API 可观察性、治理和自动化。

2022年5月5日,Datadog(DDOG)已同意收购安全测试软件提供商 Hdiv Security。Hdiv Security 的产品监控应用程序行为,以在运行时提供对已知和未知漏洞的高度准确检测。 此次收购将帮助 Datadog (DDOG) 通过额外的应用程序安全功能扩展其云安全平台。

2022 年 10 月,Datadog 宣布收购实时协作工具 CoScreen。

2022 年 11 月,Datadog 宣布收购 Cloudcraft,这是一款基础架构建模解决方案,可让您创建动态架构图。

2023 年 4 月,Datadog 宣布收购 Codiga,后者提供强大的静态代码分析功能,可在整个开发生命周期中发挥作用。

2023 年 11 月,Datadog 宣布收购 Actiondesk,这是一款基于云的电子表格应用程序,可与您的实时数据源集成,使您能够访问和合并来自整个云堆栈的数据。

2025年4月23日,Datadog(DDOG)收购软件公司 Metaplane 将增强其数据监控和人工智能能力。

2025年5月1日,Datadog(纳斯达克股票代码:DDOG)以 2.2 亿美元收购了初创公司 Eppo,并将其整合到该公司的产品分析套件中。 此次收购标志着 Datadog 今年第三次收购初创公司。

2025年7月22日,Datadog(纳斯达克股票代码:DDOG)正在洽谈以约 10 亿美元收购以色列网络安全公司 Upwind。Upwind 于 12 月宣布在 A 轮融资中筹集了 1 亿美元,该轮融资由 Craft Ventures 领投,TCV、Alta Park 以及现有投资者 Greylock、Cyberstarts、Leaders Fund、Cerca 和 Sheva 跟投。

2026年10月22日,Datadog (DDOG) 宣布提出以近 40 亿美元的价格收购云网络安全初创公司 Upwind Security。

Datadog, Inc.(DDOG)美股投资

行情 直达行情 交易 内部交易
百科 美股百科 持股 十大机构
财报 公司财报 期权 期权交易
官网 公司官网 预测 营收预期
云端程序监控工具开发商:数据狗公司 Datadog, Inc.(DDOG)-图片2

author avatar
美股百科 总编辑
Michael.Y,1982 年生,2004 年毕业于上海财经大学。自毕业以来,他长期投身自媒体与内容创作领域,同时深耕全球宏观经济、科技创新与金融市场研究。
QQ群:249342519
加群验证:美股之家
weinxin
249342519
微信号已复制
微信公号:美港股百科全书
微信搜:mggbkqs
weinxin
mggbkqs
公众号已复制
美股百科
  • 本文由 美股百科 发表于2019年9月10日
  • mg21.com原创发布,未经授权,严禁转载。mg21.com是一个独立的第三方信息网站,与文中所列公司无任何关联,本文信息来源于公开资料,Logo版权归原公司所有。本文仅作信息分享,不作为投资依据或者任何邀约,也不是对任何受限地区用户的推广。美股之家不为任何公司、券商、金融产品背书。投资有风险,客户应衡量自己所能承受的风险独立作出投资判断,如有疑问,请向独立专业人士咨询。免责声明
匿名

发表评论

匿名网友
确定