golang日志框架之logrus的使用

时间：2022-08-25 21:57:09

golang日志库

golang标准库的日志框架非常简单，仅仅提供了print，panic和fatal三个函数对于更精细的日志级别、日志文件分割以及日志分发等方面并没有提供支持。所以催生了很多第三方的日志库，但是在golang的世界里，没有一个日志库像slf4j那样在Java中具有绝对统治地位。golang中，流行的日志框架包括logrus、zap、zerolog、seelog等。

logrus是目前Github上star数量最多的日志库，目前(2018.08，下同)star数量为8119，fork数为1031。logrus功能强大，性能高效，而且具有高度灵活性，提供了自定义插件的功能。很多开源项目，如docker，prometheus等，都是用了logrus来记录其日志。

zap是Uber推出的一个快速、结构化的分级日志库。具有强大的ad-hoc分析功能，并且具有灵活的仪表盘。zap目前在GitHub上的star数量约为4.3k。

seelog提供了灵活的异步调度、格式化和过滤功能。目前在GitHub上也有约1.1k。

logrus特性

logrus具有以下特性：

  • 完全兼容golang标准库日志模块：logrus拥有六种日志级别：debug、info、warn、error、fatal和panic，这是golang标准库日志模块的API的超集。如果您的项目使用标准库日志模块，完全可以以最低的代价迁移到logrus上。
  • 可扩展的Hook机制：允许使用者通过hook的方式将日志分发到任意地方，如本地文件系统、标准输出、logstash、elasticsearch或者mq等，或者通过hook定义日志内容和格式等。
  • 可选的日志输出格式：logrus内置了两种日志格式，JSONFormatter和TextFormatter，如果这两个格式不满足需求，可以自己动手实现接口Formatter，来定义自己的日志格式。
  • Field机制：logrus鼓励通过Field机制进行精细化的、结构化的日志记录，而不是通过冗长的消息来记录日志。
  • logrus是一个可插拔的、结构化的日志框架。

logrus的使用

第一个示例

最简单的使用logrus的示例如下：

?
1
2
3
4
5
6
7
8
9
10
11
package main
 
import (
 log "github.com/sirupsen/logrus"
)
 
func main() {
 log.WithFields(log.Fields{
  "animal": "walrus",
 }).Info("A walrus appears")
}

上面代码执行后，标准输出上输出如下：

?
1
time="2018-08-11T15:42:22+08:00" level=info msg="A walrus appears" animal=walrus

logrus与golang标准库日志模块完全兼容，因此您可以使用log“github.com/sirupsen/logrus”替换所有日志导入。
logrus可以通过简单的配置，来定义输出、格式或者日志级别等。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
package main
 
import (
  "os"
  log "github.com/sirupsen/logrus"
)
 
func init() {
  // 设置日志格式为json格式
  log.SetFormatter(&log.JSONFormatter{})
 
  // 设置将日志输出到标准输出（默认的输出为stderr，标准错误）
  // 日志消息输出可以是任意的io.writer类型
  log.SetOutput(os.Stdout)
 
  // 设置日志级别为warn以上
  log.SetLevel(log.WarnLevel)
}
 
func main() {
  log.WithFields(log.Fields{
    "animal": "walrus",
    "size":  10,
  }).Info("A group of walrus emerges from the ocean")
 
  log.WithFields(log.Fields{
    "omg":  true,
    "number": 122,
  }).Warn("The group's number increased tremendously!")
 
  log.WithFields(log.Fields{
    "omg":  true,
    "number": 100,
  }).Fatal("The ice breaks!")
}

Logger

logger是一种相对高级的用法, 对于一个大型项目, 往往需要一个全局的logrus实例，即logger对象来记录项目所有的日志。如：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
package main
 
import (
  "github.com/sirupsen/logrus"
  "os"
)
 
// logrus提供了New()函数来创建一个logrus的实例。
// 项目中，可以创建任意数量的logrus实例。
var log = logrus.New()
 
func main() {
  // 为当前logrus实例设置消息的输出，同样地，
  // 可以设置logrus实例的输出到任意io.writer
  log.Out = os.Stdout
 
  // 为当前logrus实例设置消息输出格式为json格式。
  // 同样地，也可以单独为某个logrus实例设置日志级别和hook，这里不详细叙述。
  log.Formatter = &logrus.JSONFormatter{}
 
  log.WithFields(logrus.Fields{
    "animal": "walrus",
    "size":  10,
  }).Info("A group of walrus emerges from the ocean")
}

Fields

前一章提到过，logrus不推荐使用冗长的消息来记录运行信息，它推荐使用Fields来进行精细化的、结构化的信息记录。
例如下面的记录日志的方式：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
log.Fatalf("Failed to send event %s to topic %s with key %d", event, topic, key)
````
 
在logrus中不太提倡，logrus鼓励使用以下方式替代之：
 
 
 
 
 
<div class="se-preview-section-delimiter"></div>
 
```go
log.WithFields(log.Fields{
 "event": event,
 "topic": topic,
 "key": key,
}).Fatal("Failed to send event")

前面的WithFields API可以规范使用者按照其提倡的方式记录日志。但是WithFields依然是可选的，因为某些场景下，使用者确实只需要记录仪一条简单的消息。

通常，在一个应用中、或者应用的一部分中，都有一些固定的Field。比如在处理用户http请求时，上下文中，所有的日志都会有request_id和user_ip。为了避免每次记录日志都要使用log.WithFields(log.Fields{"request_id": request_id, "user_ip": user_ip})，我们可以创建一个logrus.Entry实例，为这个实例设置默认Fields，在上下文中使用这个logrus.Entry实例记录日志即可。

?
1
2
3
requestLogger := log.WithFields(log.Fields{"request_id": request_id, "user_ip": user_ip})
requestLogger.Info("something happened on that request") # will log request_id and user_ip
requestLogger.Warn("something not great happened")

Hook

logrus最令人心动的功能就是其可扩展的HOOK机制了，通过在初始化时为logrus添加hook，logrus可以实现各种扩展功能。

Hook接口

logrus的hook接口定义如下，其原理是每此写入日志时拦截，修改logrus.Entry。

?
1
2
3
4
5
6
// logrus在记录Levels()返回的日志级别的消息时会触发HOOK，
// 按照Fire方法定义的内容修改logrus.Entry。
type Hook interface {
  Levels() []Level
  Fire(*Entry) error
}

一个简单自定义hook如下，DefaultFieldHook定义会在所有级别的日志消息中加入默认字段appName="myAppName"。

?
1
2
3
4
5
6
7
8
9
10
11
type DefaultFieldHook struct {
}
 
func (hook *DefaultFieldHook) Fire(entry *log.Entry) error {
  entry.Data["appName"] = "MyAppName"
  return nil
}
 
func (hook *DefaultFieldHook) Levels() []log.Level {
  return log.AllLevels
}

hook的使用也很简单，在初始化前调用log.AddHook(hook)添加相应的hook即可。

logrus官方仅仅内置了syslog的hook。

此外，但Github也有很多第三方的hook可供使用，文末将提供一些第三方HOOK的连接。

问题与解决方案

尽管logrus有诸多优点，但是为了灵活性和可扩展性，官方也削减了很多实用的功能，例如：

  • 没有提供行号和文件名的支持
  • 输出到本地文件系统没有提供日志分割功能
  • 官方没有提供输出到ELK等日志处理中心的功能

但是这些功能都可以通过自定义hook来实现。

记录文件名和行号

logrus的一个很致命的问题就是没有提供文件名和行号，这在大型项目中通过日志定位问题时有诸多不便。Github上的logrus的issue#63：Log filename and line number创建于2014年，四年过去了仍是open状态~~~
网上给出的解决方案分位两类，一就是自己实现一个hook；二就是通过装饰器包装logrus.Entry。两种方案网上都有很多代码，但是大多无法正常工作。但总体来说，解决问题的思路都是对的：通过标准库的runtime模块获取运行时信息，并从中提取文件名，行号和调用函数名。

标准库runtime模块的Caller(skip int)函数可以返回当前goroutine调用栈中的文件名，行号，函数信息等，参数skip表示表示返回的栈帧的层次，0表示runtime.Caller的调用着。返回值包括响应栈帧层次的pc(程序计数器)，文件名和行号信息。为了提高效率，我们先通过跟踪调用栈发现，从runtime.Caller()的调用者开始，到记录日志的生成代码之间，大概有8到11层左右，所有我们在hook中循环第8到11层调用栈应该可以找到日志记录的生产代码。

golang日志框架之logrus的使用

此外，runtime.FuncForPC(pc uintptr) *Func可以返回指定pc的函数信息。

所有我们要实现的hook也是基于以上原理，使用runtime.Caller()依次循环调用栈的第7~11层，过滤掉sirupsen包内容，那么第一个非siupsenr包就认为是我们的生产代码了，并返回pc以便通过runtime.FuncForPC()获取函数名称。然后将文件名、行号和函数名组装为source字段塞到logrus.Entry中即可。

time="2018-08-11T19:10:15+08:00" level=warning msg="postgres_exporter is ready for scraping on 0.0.0.0:9295..." source="postgres_exporter/main.go:60:main()"
time="2018-08-11T19:10:17+08:00" level=error msg="!!!msb info not found" source="postgres/postgres_query.go:63:QueryPostgresInfo()"
time="2018-08-11T19:10:17+08:00" level=error msg="get postgres instances info failed, scrape metrics failed, error:msb env not found" source="collector/exporter.go:71:Scrape()"

日志本地文件分割

logrus本身不带日志本地文件分割功能，但是我们可以通过file-rotatelogs进行日志本地文件分割。 每次当我们写入日志的时候，logrus都会调用file-rotatelogs来判断日志是否要进行切分。关于本地日志文件分割的例子网上很多，这里不再详细介绍，奉上代码：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
import (
  "github.com/lestrrat-go/file-rotatelogs"
  "github.com/rifflock/lfshook"
  log "github.com/sirupsen/logrus"
  "time"
)
 
func newLfsHook(logLevel *string, maxRemainCnt uint) log.Hook {
  writer, err := rotatelogs.New(
    logName+".%Y%m%d%H",
    // WithLinkName为最新的日志建立软连接，以方便随着找到当前日志文件
    rotatelogs.WithLinkName(logName),
 
    // WithRotationTime设置日志分割的时间，这里设置为一小时分割一次
    rotatelogs.WithRotationTime(time.Hour),
 
    // WithMaxAge和WithRotationCount二者只能设置一个，
    // WithMaxAge设置文件清理前的最长保存时间，
    // WithRotationCount设置文件清理前最多保存的个数。
    //rotatelogs.WithMaxAge(time.Hour*24),
    rotatelogs.WithRotationCount(maxRemainCnt),
  )
 
  if err != nil {
    log.Errorf("config local file system for logger error: %v", err)
  }
 
  level, ok := logLevels[*logLevel]
 
  if ok {
    log.SetLevel(level)
  } else {
    log.SetLevel(log.WarnLevel)
  }
 
  lfsHook := lfshook.NewHook(lfshook.WriterMap{
    log.DebugLevel: writer,
    log.InfoLevel: writer,
    log.WarnLevel: writer,
    log.ErrorLevel: writer,
    log.FatalLevel: writer,
    log.PanicLevel: writer,
  }, &log.TextFormatter{DisableColors: true})
 
  return lfsHook
}

使用上述本地日志文件切割的效果如下：

golang日志框架之logrus的使用

将日志发送到elasticsearch

将日志发送到elasticsearch是很多日志监控系统的选择，将logrus日志发送到elasticsearch的原理是在hook的每次fire调用时，使用golang的es客户端将日志信息写到elasticsearch。elasticsearch官方没有提供golang客户端，但是有很多第三方的go语言客户端可供使用，我们选择elastic。elastic提供了丰富的文档，以及Java中的流式接口，使用起来非常方便。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
client, err := elastic.NewClient(elastic.SetURL("http://localhost:9200"))
  if err != nil {
    log.Panic(err)
  }
 
// Index a tweet (using JSON serialization)
tweet1 := Tweet{User: "olivere", Message: "Take Five", Retweets: 0}
put1, err := client.Index().
  Index("twitter").
  Type("tweet").
  Id("1").
  BodyJson(tweet1).
  Do(context.Background())

考虑到logrus的Fields机制，可以实现如下数据格式：

?
1
2
3
4
5
6
7
msg := struct {
  Host   string
  Timestamp string `json:"@timestamp"`
  Message  string
  Data   logrus.Fields
  Level   string
}

其中Host记录产生日志主机信息，在创建hook是指定。其他数据需要从logrus.Entry中取得。测试过程我们选择按照此原理实现的第三方HOOK：elogrus。其使用如下：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import (
  "github.com/olivere/elastic"
  "gopkg.in/sohlich/elogrus"
)
 
func initLog() {
  client, err := elastic.NewClient(elastic.SetURL("http://localhost:9200"))
  if err != nil {
    log.Panic(err)
  }
  hook, err := elogrus.NewElasticHook(client, "localhost", log.DebugLevel, "mylog")
  if err != nil {
    log.Panic(err)
  }
  log.AddHook(hook)
}

从Elasticsearch查询得到日志存储，效果如下：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
GET http://localhost:9200/mylog/_search
 
HTTP/1.1 200 OK
content-type: application/json; charset=UTF-8
transfer-encoding: chunked
 
{
 "took": 1,
 "timed_out": false,
 "_shards": {
  "total": 5,
  "successful": 5,
  "failed": 0
 },
 "hits": {
  "total": 2474,
  "max_score": 1.0,
  "hits": [
   {
    "_index": "mylog",
    "_type": "log",
    "_id": "AWUw13jWnMZReb-jHQup",
    "_score": 1.0,
    "_source": {
     "Host": "localhost",
     "@timestamp": "2018-08-13T01:12:32.212818666Z",
     "Message": "!!!msb info not found",
     "Data": {},
     "Level": "ERROR"
    }
   },
   {
    "_index": "mylog",
    "_type": "log",
    "_id": "AWUw13jgnMZReb-jHQuq",
    "_score": 1.0,
    "_source": {
     "Host": "localhost",
     "@timestamp": "2018-08-13T01:12:32.223103348Z",
     "Message": "get postgres instances info failed, scrape metrics failed, error:msb env not found",
     "Data": {
      "source": "collector/exporter.go:71:Scrape()"
     },
     "Level": "ERROR"
    }
   },
   //...
   {
    "_index": "mylog",
    "_type": "log",
    "_id": "AWUw2f1enMZReb-jHQu_",
    "_score": 1.0,
    "_source": {
     "Host": "localhost",
     "@timestamp": "2018-08-13T01:15:17.212546892Z",
     "Message": "!!!msb info not found",
     "Data": {
      "source": "collector/exporter.go:71:Scrape()"
     },
     "Level": "ERROR"
    }
   },
   {
    "_index": "mylog",
    "_type": "log",
    "_id": "AWUw2NhmnMZReb-jHQu1",
    "_score": 1.0,
    "_source": {
     "Host": "localhost",
     "@timestamp": "2018-08-13T01:14:02.21276903Z",
     "Message": "!!!msb info not found",
     "Data": {},
     "Level": "ERROR"
    }
   }
  ]
 }
}

将日志发送到其他位置

将日志发送到日志中心也是logrus所提倡的，虽然没有提供官方支持，但是目前Github上有很多第三方hook可供使用：

logrus_amqp：Logrus hook for Activemq。

logrus-logstash-hook:Logstash hook for logrus。

mgorus:Mongodb Hooks for Logrus。

logrus_influxdb:InfluxDB Hook for Logrus。

logrus-redis-hook:Hook for Logrus which enables logging to RELK stack (Redis, Elasticsearch, Logstash and Kibana)。

等等，上述第三方hook我这里没有具体验证，大家可以根据需要自行尝试。

其他注意事项

Fatal处理

和很多日志框架一样，logrus的Fatal系列函数会执行os.Exit(1)。但是logrus提供可以注册一个或多个fatal handler函数的接口logrus.RegisterExitHandler(handler func() {} )，让logrus在执行os.Exit(1)之前进行相应的处理。fatal handler可以在系统异常时调用一些资源释放api等，让应用正确的关闭。

线程安全

默认情况下，logrus的api都是线程安全的，其内部通过互斥锁来保护并发写。互斥锁工作于调用hooks或者写日志的时候，如果不需要锁，可以调用logger.SetNoLock()来关闭之。可以关闭logrus互斥锁的情形包括：

  • 没有设置hook，或者所有的hook都是线程安全的实现。
  • 写日志到logger.Out已经是线程安全的了，如logger.Out已经被锁保护，或者写文件时，文件是以O_APPEND方式打开的，并且每次写操作都小于4k。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。

原文链接：https://blog.csdn.net/wslyk606/article/details/81670713

标签：

相关文章