程序人生我发现很多程序员都不会打日志。。

篮之新喜 发表于 2024-11-23 00:45:41

我发现很多程序员都不会打日志。。

大家好，我是程序员鱼皮。我发现很多程序员都不打日志，有的是不想打、有的是意识不到要打、另有的是真不会打日志啊！
前段时间的模拟口试中，我问了几位应届的 Java 开发同学 “你在项目中是怎么打日志的”，得到的答案竟然是 “支支吾吾”、“阿巴阿巴”，更有甚者，竟然表现：直接用 System.out.println() 打印一下吧。。。
https://pic.yupi.icu/1/image-20241121123811280.png
要知道，日志是我们系统出现错误时，最快速有效的定位工具，没有日志给出的错误信息，碰到报错你就会一脸懵逼；而且日志还可以用来记录业务信息，比如记录用户实行的每个操作，不仅可以用于分析改进系统，同时在碰到非法操作时，也能很快找到凶手。
因此，对于程序员来说，日志记录是重要的基本功。但很多同学并没有系统学习过日志操作、缺乏经验，所以我写下这篇文章，分享自己在开发项目中记录日志的方法和最佳实践，希望对大家有帮助~

一、日志记录的方法

日志框架选型

有很多 Java 的日志框架和工具库，可以帮我们用一行代码快速完成日志记录。
在学习日志记录之前，很多同学应该是通过 System.out.println 输出信息来调试程序的，简单方便。
但是，System.out.println 存在很严重的问题！
https://pic.yupi.icu/1/image-20241121181357088.png
首先，System.out.println 是一个同步方法，每次调用都会导致 I/O 操作，比力耗时，频繁利用甚至会严重影相应用程序的性能，所以不发起在生产环境利用。此外，它只能输出简单的信息到标准控制台，无法灵活设置日志级别、格式、输出位置等。
所以我们一般会选择专业的 Java 日志框架或工具库，比如经典的 Apache Log4j 和它的升级版 Log4j 2，另有 Spring Boot 默认集成的 Logback 库。不仅可以帮我们用一行代码更快地完成日志记录，还能灵活调解格式、设置日志级别、将日志写入到文件中、压缩日志等。
可能另有同学听说过 SLF4J（Simple Logging Facade for Java），看英文名就知道了，这玩意并不是一个具体的日志实现，而是为各种日志框架提供简单统一接口的日志门面（抽象层）。
啥是门面？
举个例子，现在我们要记录日志了，先联系到前台欢迎人员 SLF4J，它说必须要让我们选择日志的级别（debug / info / warn / error），然后要提供日志的内容。确认之后，SLF4J 自己不干活，屁颠屁颠儿地去找具体的日志实现框架，比如 Logback，然后由 Logback 进行日志写入。
https://pic.yupi.icu/1/image-20241121161441360.png
这样做有什么好处呢？无论我们选择哪套日志框架、大概后期要切换日志框架，调用的方法始终是相同的，不用再去更改日志调用代码，比如将 log.info 改为 log.printInfo。
既然 SLF4J 只是玩抽象，那么 Log4j、Log4j 2 和 Logback 应该选择哪一个呢？
值得一提的是，SLF4J、Log4j 和 Logback 竟然都是同一个作者（俄罗斯程序员 Ceki Gülcü）。
首先，Log4j 已经停止维护，直接排除。Log4j 2 和 Logback 基本都能满足功能需求，那么就看性能、稳固性和易用性。

[*]从性能来说，Log4j 2 和 Logback 虽然都支持异步日志，但是 Log4j 基于 LMAX Disruptor 高性能异步处理库实现，性能更高。
[*]从稳固性来说，虽然这些日志库都被曝出过弊端，但 Log4j 2 的弊端更为致命，姑且算是 Logback 得一分。
[*]从易用性来说，二者差不多，但 Logback 是 SLF4J 的原生实现、Log4j2 需要额外利用 SLF4J 绑定器实现。
再加上 Spring Boot 默认集成了 Logback，如果没有特殊的性能需求，我会更推荐初学者选择 Logback，都不用引入额外的库了~

利用日志框架

日志框架的利用非常简单，一般需要先获取到 Logger 日志对象，然后调用 logger.xxx（比如 logger.info）就能输出日志了。
最传统的方法就是通过 LoggerFactory 手动获取 Logger，示例代码如下：
import org.slf4j.Logger; import org.slf4j.LoggerFactory; public class MyService { private static final Logger logger = LoggerFactory.getLogger(MyService.class); public void doSomething() { logger.info("执行了一些操作"); } }上述代码中，我们通过调用日志工厂并传入当前类，创建了一个 logger。但由于每个类的类名都不同，我们又经常复制这行代码到不同的类中，就很容易忘记修改类名。
所以我们可以利用 this.getClass 动态获取当前类的实例，来创建 Logger 对象：
public class MyService { private final Logger logger = LoggerFactory.getLogger(this.getClass()); public void doSomething() { logger.info("执行了一些操作"); } }给每个类都复制一遍这行代码，就能愉快地打日志了。
但我觉得这样做还是有点贫困，我连复制粘贴都懒得做，怎么办？
另有更简单的方式，利用 Lombok 工具库提供的 @Slf4j 注解，可以自动为当前类生成一个名为 log 的 SLF4J Logger 对象，简化了 Logger 的定义过程。示例代码如下：
import lombok.extern.slf4j.Slf4j; @Slf4j public class MyService { public void doSomething() { log.info("执行了一些操作"); } }这也是我比力推荐的方式，效率杠杠的。
https://pic.yupi.icu/1/image-20241121181431417.png
此外，你可以通过修改日志设置文件（比如 logback.xml 或 logback-spring.xml）来设置日志输出的格式、级别、输出路径等。日志设置文件比力复杂，不发起大家去记忆语法，随用随查即可。
https://pic.yupi.icu/1/image-20241121172402872.png

二、日志记录的最佳实践

学习完日志记录的方法后，再分享一些我个人记录日志的经验。内容较多，大家可以先了解一下，实际开发中按需运用。
1、合理选择日志级别

日志级别的作用是标识日志的重要程度，常见的级别有：

[*]TRACE：最细粒度的信息，通常只在开发过程中利用，用于跟踪程序的实行路径。
[*]DEBUG：调试信息，记录程序运行时的内部状态和变量值。
[*]INFO：一般信息，记录系统的关键运行状态和业务流程。
[*]WARN：警告信息，表现可能存在潜在问题，但系统仍可继续运行。
[*]ERROR：错误信息，表现出现了影响系统功能的问题，需要及时处理。
[*]FATAL：致命错误，表现系统可能无法继续运行，需要立即关注。
其中，用的最多的当属 DEBUG、INFO、WARN 和 ERROR 了。
发起在开发环境利用低级别日志（比如 DEBUG），以获取详细的信息；生产环境利用高级别日志（比如 INFO 或 WARN），减少日志量，降低性能开销的同时，防止重要信息被无用日志淹没。
留意一点，日志级别未必是刻舟求剑的，假如有一天你的程序堕落了，但是看日志找不到任何有效信息，可能就需要降低下日志输出级别了。

2、正确记录日志信息

当要输出的日志内容中存在变量时，发起利用参数化日志，也就是在日志信息中利用占位符（比如 {}），由日志框架在运行时更换为实际参数值。
比如输出一行用户登录日志：
// 不推荐 logger.debug("用户ID：" + userId + " 登录成功。"); // 推荐 logger.debug("用户ID：{} 登录成功。", userId);这样做不仅让日志清晰易读；而且在日志级别低于当前记录级别时，不会实行字符串拼接，从而避免了字符串拼接带来的性能开销、以及潜在的 NullPointerException 问题。所以发起在所有日志记录中，利用参数化的方式替代字符串拼接。
此外，在输出异常信息时，发起同时记录上下文信息、以及完整的异常堆栈信息，便于排查问题：
try { // 业务逻辑 } catch (Exception e) { logger.error("处理用户ID：{} 时发生异常：", userId, e); }
3、控制日志输出量

过多的日志不仅会占用更多的磁盘空间，还会增加系统的 I/O 负担，影响系统性能。
因此，除了根据环境设置合适的日志级别外，还要只管避免在循环中输出日志。
可以添加条件来控制，比如在批量处理时，每处理 1000 条数据时才记录一次：
if (index % 1000 == 0) { logger.info("已处理 {} 条记录", index); }大概在循环中利用 StringBuilder 进行字符串拼接，循环竣事后统一输出：
StringBuilder logBuilder = new StringBuilder("处理结果："); for (Item item : items) { try { processItem(item); logBuilder.append(String.format("成功, ", item.getId())); } catch (Exception e) { logBuilder.append(String.format("失败, ", item.getId(), e.getMessage())); } } logger.info(logBuilder.toString());如果参数的计算开销较大，且当前日志级别不需要输出，应该在记录进步行级别检查，从而避免多余的参数计算：
if (logger.isDebugEnabled()) { logger.debug("复杂对象信息：{}", expensiveToComputeObject()); }此外，还可以通过更改日志设置文件整体过滤掉特定级别的日志，来防止日志刷屏：
 <appender name="LIMITED" class="ch.qos.logback.classic.AsyncAppender"> <filter class="ch.qos.logback.classic.filter.ThresholdFilter"> <level>INFO</level> </filter> </appender>
4、把控时机和内容

很多开发者（尤其是线上经验不丰富的开发者）并没有养成记录日志的习惯，觉得记录日志不重要，等到出了问题无法排查的时候才追悔莫及。
一般环境下，需要在系统的关键流程和重要业务节点记录日志，比如用户登录、订单处理、支付等都是关键业务，发起多记录日志。
对于重要的方法，发起在入口和出口记录重要的参数和返回值，便于快速还原现场、复现问题。
对于调用链较长的操作，确保在每个环节都有日志，以便追踪到问题地点的环节。
如果你不想区分上面这些环境，我的发起是只管在前期多记录一些日志，后面再慢慢移撤除不需要的日志。比如可以利用 AOP 切面编程在每个业务方法实行前输出实行信息：
@Aspect @Component public class LoggingAspect { @Before("execution(* com.example.service..*(..))") public void logBeforeMethod(JoinPoint joinPoint) { Logger logger = LoggerFactory.getLogger(joinPoint.getTarget().getClass()); logger.info("方法 {} 开始执行", joinPoint.getSignature().getName()); } }利用 AOP，还可以自动打印每个 Controller 接口的请求参数和返回值，这样就不会错过任何一次调用信息了。
不过这样做也有一个很重要的点，留意不要在日志中记录了敏感信息，比如用户暗码。万一你的日志不小心泄露出去，就相当于泄露了大量用户的信息。
https://pic.yupi.icu/1/image-20241121174104342.png

5、日志管理

随着日志文件的持续增长，会导致磁盘空间耗尽，影响系统正常运行，所以我们需要一些策略来对日志进行管理。
首先是设置日志的滚动策略，可以根据文件大小或日期，自动对日志文件进行切分。比如按文件大小滚动：
 <rollingPolicy class="ch.qos.logback.core.rolling.SizeBasedRollingPolicy"> <maxFileSize>10MB</maxFileSize> </rollingPolicy>如果日志文件大小达到 10MB，Logback 会将当前日志文件重命名为 app.log.1 或其他命名模式（具体由文件名模式决定），然后创建新的 app.log 文件继续写入日志。
另有按照时间日期滚动：
 <rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy"> <fileNamePattern>logs/app-%d{yyyy-MM-dd}.log</fileNamePattern> </rollingPolicy>上述设置表现每天创建一个新的日志文件，%d{yyyy-MM-dd} 表现按照日期命名日志文件，例如 app-2024-11-21.log。
还可以通过 maxHistory 属性，限制保留的历史日志文件数量或天数：
<maxHistory>30</maxHistory>这样一来，我们就可以按照天数查看指定的日志，单个日志文件也不会很大，提高了日志检索效率。
对于用户较多的企业级项目，日志的增长是飞快的，因此发起开启日志压缩功能，节省磁盘空间。
<rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy"> <fileNamePattern>logs/app-%d{yyyy-MM-dd}.log.gz</fileNamePattern> </rollingPolicy>上述设置表现：每天生成一个新的日志文件，旧的日志文件会被压缩存储。
除了设置日志切分和压缩外，我们还需要定期审查日志，查看日志的有效性和空间占用环境，从日志中发现系统的问题、清理无用的日志信息等。
如果你想偷懒，也可以写个自动化清理脚本，定期清理过期的日志文件，释放磁盘空间。比如：
# 每月清理一次超过 90 天的日志文件 find /var/log/myapp/ -type f -mtime +90 -exec rm {} \;
6、统一日志格式

统一的日志格式有助于日志的剖析、搜索和分析，特殊是在分布式系统中。
我举个例子大家就能感受到这么做的重要性了。
统一的日志格式：
2024-11-21 14:<maxHistory>30</maxHistory>:15.123 INFO com.example.service.UserService - 用户ID：12345 登录乐成
2024-11-21 14:<maxHistory>30</maxHistory>:16.789 ERROR com.example.service.UserService - 用户ID：12345 登录失败，原因：暗码错误
2024-11-21 14:<maxHistory>30</maxHistory>:17.456 DEBUG com.example.dao.UserDao - 实行SQL：
2024-11-21 14:<maxHistory>30</maxHistory>:18.654 WARN com.example.config.AppConfig - 设置项 `timeout` 利用默认值：<maxHistory>30</maxHistory>00ms
2024-11-21 14:<maxHistory>30</maxHistory>:19.001 INFO com.example.Main - 应用启动乐成，耗时：2.34秒这段日志整齐清晰，支持按照时间、线程、级别、类名和内容搜索。
不统一的日志格式：
2024/11/21 14:<maxHistory>30</maxHistory> 登录乐成用户ID: 12345
2024-11-21 14:<maxHistory>30</maxHistory>:16 错误用户12345登录失败！暗码不对
DEBUG 实行SQL SELECT * FROM users WHERE id=12345
Timeout = default
应用启动乐成emm，看到这种日志我直接原地爆炸！
https://pic.yupi.icu/1/image-20241121175616582.png
发起每个项目都要明确约定和设置一套日志输出规范，确保日志中包罗时间戳、日志级别、线程、类名、方法名、消息等关键信息。
 <appender name="CONSOLE" class="ch.qos.logback.core.ConsoleAppender"> <encoder> <pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{36} - %msg%n</pattern> </encoder> </appender>也可以直接利用标准化格式，比如 JSON，确保所有日志遵循相同的结构，便于后续对日志进行分析处理：
<encoder class="net.logstash.logback.encoder.LoggingEventCompositeJsonEncoder"> </encoder>此外，你还可以通过 MDC（Mapped Diagnostic Context）给日志添加额外的上下文信息，比如用户 ID、请求 ID 等，方便追踪。在 Java 代码中，可以为 MDC 变量设置值：
MDC.put("requestId", "666"); MDC.put("userId", "yupi"); logger.info("用户请求处理完成"); MDC.clear();对应的日志设置如下：

<encoder class="net.logstash.logback.encoder.LoggingEventCompositeJsonEncoder"> </encoder>
%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{36} - [%X{requestId}] [%X{userId}] %msg%n<encoder class="net.logstash.logback.encoder.LoggingEventCompositeJsonEncoder"> </encoder>这样，每个请求、每个用户的操作一目了然。

7、利用异步日志

对于追求性能的操作，可以利用异步日志，将日志的写入操作放在单独的线程中，减少对主线程的阻塞，从而提升系统性能。
除了自己开线程去实行 log 操作之外，还可以直接修改设置来开启 Logback 的异步日志功能：

500
0
true
<encoder class="net.logstash.logback.encoder.LoggingEventCompositeJsonEncoder"> </encoder>上述设置的关键是设置缓冲队列，要设置合适的队列大小和丢弃策略，防止日志积存或丢失。

8、集成日志网络系统

在比力成熟的公司中，我们可能会利用更专业的日志管理和分析系统，比如 ELK（Elasticsearch、Logstash、Kibana）。不仅不用每次都登录到服务器上查看日志文件，还可以更灵活地搜索日志。
但是搭建和运维 ELK 的成本还是比力大的，对于小团队，我的发起是不要急着搞这一套。

OK，就分享到这里，洋洋洒洒 4000 多字，希望这篇文章能帮助大家意识到日志记录的重要性，并养成良好的日志记录习惯。学会的话给鱼皮点个赞吧~
日志不是写给机器看的，是写给未来的你和你的队友看的！

更多编程学习资源

[*]Java前端程序员必做项目实战教程+毕设网站
[*]程序员免费编程学习交换社区（自学必备）
[*]程序员保姆级求职写简历指南（找工作必备）
[*]程序员免费口试刷题网站工具（找工作必备）
[*]最新Java零底子入门学习路线 + Java教程
[*]最新Python零底子入门学习路线 + Python教程
[*]最新前端零底子入门学习路线 + 前端教程
[*]最新数据结构和算法零底子入门学习路线 + 算法教程
[*]最新C++零底子入门学习路线、C++教程
[*]最新数据库零底子入门学习路线 + 数据库教程
[*]最新Redis零底子入门学习路线 + Redis教程
[*]最新计算机底子入门学习路线 + 计算机底子教程
[*]最新小程序入门学习路线 + 小程序开发教程
[*]最新SQL零底子入门学习路线 + SQL教程
[*]最新Linux零底子入门学习路线 + Linux教程
[*]最新Git/GitHub零底子入门学习路线 + Git教程
[*]最新操作系统零底子入门学习路线 + 操作系统教程
[*]最新计算机网络零底子入门学习路线 + 计算机网络教程
[*]最新计划模式零底子入门学习路线 + 计划模式教程
[*]最新软件工程零底子入门学习路线 + 软件工程教程

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

页: [1]

ToB企服应用市场:ToB评测及商务社交产业平台's Archiver

我发现很多程序员都不会打日志。。