Análise comparativa de ferramentas de observabilidade em ambientes de nuvem

Abstract

Este trabalho compara quatro ferramentas de observabilidade (Datadog, Prometheus, Grafana e Splunk) em ambientes de computação em nuvem visando auxiliar arquitetos e engenheiros a escolherem soluções adequadas ao seu contexto. Para tanto, realizou-se revisão bibliográfica sistemática de literatura acadêmica (2018–2023), análise de documentação oficial e seleção de dois estudos de caso, cujos dados foram organizados em tabelas comparativas. Avaliaram-se oito critérios: integração e coleta de dados, armazenamento e retenção, visualização e dashboards, escalabilidade e desempenho, facilidade de uso, custo e licenciamento, suporte a ambientes distribuídos, comunidade e ecossistema. Nos resultados, constatou-se que Datadog e Splunk oferecem implantação rápida e conveniência operacional, porém com custos elevados; Prometheus e Grafana apresentam flexibilidade e custo direto reduzido, mas exigem maior investimento em infraestrutura e conhecimento técnico. Conclui-se que não existe ferramenta superior em todos os aspectos, de modo que a escolha depende da complexidade da arquitetura, do volume de dados, do perfil da equipe e do orçamento. Recomenda-se Prometheus com Grafana para organizações enxutas com Kubernetes consolidado; Datadog para empresas que demandam visibilidade imediata, desde que haja orçamento compatível; e Splunk para instituições com rigorosos requisitos de segurança e conformidade.

This monograph conducts a comparative analysis of four observability tools (Datadog, Prometheus, Grafana, and Splunk) in cloud computing environments to guide architects and infrastructure engineers in selecting the most suitable solution for their needs. A systematic bibliographic review of academic literature (2018– 2023), official documentation analysis, and two case studies were employed, with data organized into comparative tables. Eight evaluation criteria were defined: data integration and collection; storage and retention; visualization and dashboards; scalability and performance; ease of use; cost and licensing models; support for distributed environments; and community and ecosystem strength. The findings indicate that Datadog and Splunk excel in rapid deployment and operational convenience but incur high costs, whereas Prometheus and Grafana offer greater flexibility and lower direct costs, at the expense of requiring more infrastructure and technical expertise. It is concluded that no single tool outperforms all others across every dimension; rather, the choice depends on architectural complexity, data volume, team skills, and budget. Prometheus + Grafana is recommended for lean organizations with established Kubernetes clusters; Datadog for enterprises needing immediate visibility, provided the budget allows; and Splunk for settings demanding stringent security and compliance