Datadog — Intermedio

Este curso está dirigido a profesionales de QA y testing que ya conocen los fundamentos de Datadog y necesitan llevar su uso al siguiente nivel en entornos reales de integración continua y staging. A lo largo de las diez horas de formación, los participantes aprenderán a integrar el Datadog Agent en pipelines de CI/CD para capturar trazas y métricas durante la ejecución de pruebas automatizadas, a diseñar dashboards y estrategias de tagging orientados específicamente a QA, y a diagnosticar problemas comunes como alertas mal configuradas o métricas ausentes en un dashboard. El curso culmina con la capacidad de correlacionar logs de error con trazas distribuidas y de configurar monitores dinámicos y notificaciones hacia canales de equipo, de modo que los asistentes puedan establecer una observabilidad robusta y accionable sobre sus suites de pruebas en entornos no productivos.

Al finalizar el curso, el participante será capaz de:

1. Comparar las estrategias de monitorización disponibles en Datadog —monitores de umbral estático frente a monitores de anomalías— y justificar cuál resulta más adecuada para escenarios de prueba con tráfico irregular.
2. Diseñar una estrategia de tagging (env, service, test_suite) que permita segmentar métricas de QA sin contaminar datos de otros entornos, y aplicarla en un dashboard orientado a QA que combine métricas de tasa de fallos, latencia y logs de error.
3. Integrar el Datadog Agent en un pipeline de CI/CD para que las pruebas automatizadas emitan trazas y métricas personalizadas, y conectar las notificaciones resultantes con canales de comunicación del equipo mediante condiciones de escalado apropiadas para contextos de QA.
4. Adaptar las queries de Log Explorer y los monitores existentes para correlacionar errores de una suite de tests con trazas distribuidas del servicio bajo prueba y evaluar porcentajes de fallos sobre ventanas temporales dinámicas.
5. Depurar alertas mal configuradas y ausencias de métricas en dashboards, identificando en cada caso la causa raíz —ya sea un umbral incorrecto, una condición de recuperación ausente, un problema en el Agent, en los tags o en la query del widget.

Bloque 1 — Estrategias de monitorización para entornos de QA

Se revisan los fundamentos de los monitores en Datadog desde una perspectiva de QA, analizando en profundidad las diferencias conceptuales y prácticas entre un monitor de umbral estático y un monitor de anomalías. Se estudian criterios de elección según el perfil de tráfico del entorno bajo prueba, y se trabaja la configuración correcta de umbrales, condiciones de recuperación y ventanas temporales para minimizar falsos positivos. El bloque concluye con la adaptación de un monitor existente para evaluar el porcentaje de tests fallidos mediante un umbral dinámico calculado sobre una ventana temporal definida.

Bloque 2 — Tagging, dashboards y visibilidad orientada a QA

Este bloque aborda el diseño de una estrategia de tagging coherente basada en las dimensiones env, service y test_suite, prestando especial atención a cómo una taxonomía mal definida puede contaminar métricas de producción con datos de staging. Sobre esa base, se construye un dashboard específico para equipos de QA que consolida métricas de tasa de fallos de tests, latencia del servicio bajo prueba y logs de error en una única vista operativa. Se analizan también las causas más frecuentes de ausencia de métricas —problemas en el Agent, tags incorrectos o queries de widget erróneas— y se practica la depuración sistemática de cada escenario.

Bloque 3 — Integración con CI/CD y correlación de señales

El tercer bloque se centra en la integración del Datadog Agent dentro de pipelines de CI/CD, de manera que cada ejecución de la suite de pruebas emita trazas y métricas personalizadas que queden registradas en Datadog con el contexto adecuado. A continuación se trabaja la correlación de esas señales: se adaptan queries de Log Explorer para vincular errores de la suite con las trazas distribuidas del servicio correspondiente en staging, cerrando el ciclo de observabilidad. El bloque finaliza con la configuración de notificaciones hacia canales de equipo (Slack, Teams o equivalente), incluyendo condiciones de escalado pensadas para el flujo de trabajo de QA.

• Cuenta activa en Datadog con permisos de administración sobre Monitors y Dashboards (plan Trial o superior).
• Datadog Agent instalado y operativo en la máquina local o en el entorno de laboratorio proporcionado.
• Acceso a un pipeline de CI/CD funcional (GitHub Actions, GitLab CI, Jenkins o equivalente) con al menos una suite de pruebas automatizadas ejecutable.
• Acceso a un workspace de Slack, Microsoft Teams o herramienta de mensajería equivalente con permisos para añadir integraciones o webhooks.
• Navegador web actualizado (Chrome 120+, Firefox 121+ o Edge 120+).

• Manejo básico de la interfaz de Datadog: navegación por dashboards, Log Explorer y la sección de Monitors (cubierto en DAT01).
• Comprensión de los conceptos fundamentales de métricas, logs y trazas en Datadog.
• Familiaridad con la estructura de un pipeline de CI/CD y con el concepto de suite de pruebas automatizadas.
• Conocimientos básicos de línea de comandos para la instalación y configuración del Datadog Agent.