打印高质量日志的10条军规

大家好，我是苏三，又跟大家见面了。

前言

去年双十一大促，我面对监控大屏上疯狂跳动的红色指标，颤抖着打开服务器日志，看到的却是这样的画面：

登录后复制

用户登录失败  
订单创建出错 null  
ERROR 非法参数

• 1.
• 2.
• 3.

那一刻我突然顿悟：写不好日志的程序员，就像不会写病历的医生。

这篇文章跟大家一起聊聊打印优质日志的10条军规，希望对你会有所帮助。

第1条：格式统一

反例(管理看到会扣钱)：

登录后复制

log.info("start process");
log.error("error happen");

• 1.
• 2.

无时间戳，无上下文。

正解代码：

登录后复制

<!-- logback.xml核心配置 -->
<pattern>
    %d{yy-MM-dd HH:mm:ss.SSS} 
    |%X{traceId:-NO_ID} 
    |%thread 
    |%-5level 
    |%logger{36} 
    |%msg%n
</pattern>

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.

在logback.xml中统一配置了日志的时间格式、tradeId，线程、等级、日志详情都信息。

日志的格式统一了，更方便点位问题。

第2条：异常必带堆栈

反例(同事看了想打人)：

登录后复制

try {
    processOrder();
} catch (Exception e) {
    log.error("处理失败"); 
}

• 1.
• 2.
• 3.
• 4.
• 5.

出现异常了，日志中没打印任何的异常堆栈信息。

相当于自己把异常吃掉了。

非常不好排查问题。

正确姿势：

登录后复制

log.error("订单处理异常 orderId={}", orderId, e); // e必须存在！

• 1.

日志中记录了出现异常的订单号orderId和异常的堆栈信息e。

第3条：级别合理

反面教材：

登录后复制

log.debug("用户余额不足 userId={}", userId); // 业务异常应属WARN
log.error("接口响应稍慢"); // 普通超时属INFO

• 1.
• 2.

接口响应稍慢，打印了error级别的日志，显然不太合理。

正常情况下，普通超时属INFO级别。

级别定义表：

级别	正确使用场景
FATAL	系统即将崩溃(OOM、磁盘爆满)
ERROR	核心业务失败(支付失败、订单创建异常)
WARN	可恢复异常(重试成功、降级触发)
INFO	关键流程节点(订单状态变更)
DEBUG	调试信息(参数流水、中间结果)

第4条：参数完整

反例(让运维骂娘)：

登录后复制

log.info("用户登录失败");

• 1.

上面这个日志只打印了“用户登录失败”这个文案。

谁在哪登录失败？

侦探式日志：

登录后复制

log.warn("用户登录失败 username={}, clientIP={}, failReason={}", 
    username, clientIP, "密码错误次数超限");

• 1.
• 2.

登录失败的业务场景，需要记录哪个用户，ip是多少，在什么时间，登录失败了，失败的原因是什么。

时间在logback.xml中统一配置了格式。

这样才方便快速定位问题：

第5条：数据脱敏

血泪案例：
某同事打印日志泄露用户手机号被投诉。

我在记录的日志中，需要对一下用户的个人敏感数据做脱敏处理。

例如下面这样：

登录后复制

// 脱敏工具类
public class LogMasker {
    public static String maskMobile(String mobile) {
        return mobile.replaceAll("(\\d{3})\\d{4}(\\d{4})", "$1****$2");
    }
}

// 使用示例
log.info("用户注册 mobile={}", LogMasker.maskMobile("13812345678"));

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.

第6条：异步保性能

问题复现
某次秒杀活动中直接同步写日志，导致大量线程阻塞：

登录后复制

log.info("秒杀请求 userId={}, itemId={}", userId, itemId);

• 1.

高并发下IO阻塞。

致命伤害分析：

1. 同步写日志导致线程上下文切换频繁
2. 磁盘IO成为系统瓶颈
3. 高峰期日志打印耗时占总RT的25%

最近建了一些工作内推群，各大城市都有，欢迎各位HR和找工作的小伙伴进群交流，群里目前已经收集了不少的工作内推岗位。加苏三的微信：li_su223，备注：优快云+所在城市，即可进群。

正确示范(三步配置法)

步骤1：logback.xml配置异步通道

登录后复制

<!-- 异步Appender核心配置 -->  
<appender name="ASYNC" class="ch.qos.logback.classic.AsyncAppender">  
    <!-- 不丢失日志的阈值：当队列剩余容量＜此值时，TRACE/DEBUG级别日志将被丢弃 -->  
    <discardingThreshold>0</discardingThreshold>  
    <!-- 队列深度：建议设为 (最大并发线程数 × 2) -->  
    <queueSize>4096</queueSize>  
    <!-- 关联真实Appender -->  
    <appender-ref ref="FILE"/>  
</appender>

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.

步骤2：日志输出优化代码

登录后复制

// 无需前置判断，框架自动处理  
log.debug("接收到MQ消息：{}", msg.toSimpleString()); // 自动异步写入队列  

// 不应做复杂计算后再打印(异步前仍在业务线程执行)  
// 错误做法：  
log.debug("详细内容：{}", computeExpensiveLog());

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.

流程图如下：

步骤3：性能关键参数公式

登录后复制

最大内存占用 ≈ 队列长度 × 平均单条日志大小  
推荐队列深度 = 峰值TPS × 容忍最大延迟(秒)  
例如：10000 TPS × 0.5s容忍 ⇒ 5000队列大小

• 1.
• 2.
• 3.

风险规避策略

1. 防队列堆积：监控队列使用率，达80%触发告警
2. 防OOM：严格约束大对象toString()的调用
3. 紧急逃生：预设JMX接口用于快速切换同步模式

第7条：链路追踪

混沌场景：
跨服务调用无法关联日志。

我们需要有链路追踪方案。

全链路方案：

登录后复制

// 拦截器注入traceId
MDC.put("traceId", UUID.randomUUID().toString().substring(0,8));

// 日志格式包含traceId
<pattern>%d{HH:mm:ss} |%X{traceId}| %msg%n</pattern>

• 1.
• 2.
• 3.
• 4.
• 5.

可以在MDC中设置traceId。

后面可以通过traceId全链路追踪日志。

流程图如下：

第8条：动态调参

半夜重启的痛：
线上问题需要临时开DEBUG日志，比如：查询用户的某次异常操作的日志。

热更新方案：

登录后复制

@GetMapping("/logLevel")
public String changeLogLevel(
    @RequestParam String loggerName, 
    @RequestParam String level) {
    
    Logger logger = (Logger) LoggerFactory.getLogger(loggerName);
    logger.setLevel(Level.valueOf(level)); // 立即生效
    return "OK";
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.

有时候我们需要临时打印DEBUG日志，这就需要有个动态参数控制了。

否则每次调整打印日志级别都需要重启服务，可能会影响用户的正常使用。

登录后复制

journey
    title 日志级别动态调整
    section 旧模式
        发现问题 --> 修改配置 --> 重启应用 --> 丢失现场
    section 新模式
        发现问题 --> 动态调整 --> 立即生效 --> 保持现场

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.

第9条：结构化存储

混沌日志：

登录后复制

用户购买了苹果手机 订单号1001 金额8999

• 1.

上面的日志拼接成了一个字符串，虽说中间有空格分隔了，但哪些字段对应了哪些值，看起来不是很清楚。

我们在存储日志的时候，需要做结构化存储，方便快速的查询和搜索。

机器友好式日志：

登录后复制

{
  "event": "ORDER_CREATE",
  "orderId": 1001,
  "amount": 8999,
  "products": [{"name":"iPhone", "sku": "A123"}]
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.

这里使用了json格式存储日志。

日志中的数据一目了然。

第10条：智能监控

最失败案例：
某次用户开通会员操作，错误日志堆积3天才被发现，黄花菜都凉了。

我们需要在项目中引入智能监控。

ELK监控方案：

报警规则示例：

登录后复制

ERROR日志连续5分钟 > 100条 → 电话告警  
WARN日志持续1小时 → 邮件通知

• 1.
• 2.

总结

研发人员的三大境界：

1. 青铜：System.out.println("error！")
2. 钻石：标准化日志 + ELK监控
3. 王者：

• 日志驱动代码优化
• 异常预测系统
• 根因分析AI模型

最后的灵魂拷问：
下次线上故障时，你的日志能让新人5分钟定位问题吗？