golang日志框架之logrus

阅读量：4099 次

发布时间：2019-05-25

本文共 11580 字，大约阅读时间需要 38 分钟。

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：

package mainimport (  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：

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。

package mainimport (	"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：

package mainimport (	"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：

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：

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。

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_iprequestLogger.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。

// 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"。

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。

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。

这里写图片描述

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。

import (	"fmt"	log "github.com/sirupsen/logrus"	"runtime"	"strings")// line number hook for log the call context,type lineHook struct {    Field  string    // skip为遍历调用栈开始的索引位置	Skip   int	levels []log.Level}// Levels implement levelsfunc (hook lineHook) Levels() []log.Level {	return log.AllLevels}// Fire implement firefunc (hook lineHook) Fire(entry *log.Entry) error {	entry.Data[hook.Field] = findCaller(hook.Skip)	return nil}func findCaller(skip int) string {	file := ""	line := 0	var pc uintptr    // 遍历调用栈的最大索引为第11层.	for i := 0; i < 11; i++ {        file, line, pc = getCaller(skip + i)        // 过滤掉所有logrus包，即可得到生成代码信息		if !strings.HasPrefix(file, "logrus") {			break		}	}	fullFnName := runtime.FuncForPC(pc)	fnName := ""	if fullFnName != nil {		fnNameStr := fullFnName.Name()        // 取得函数名		parts := strings.Split(fnNameStr, ".")		fnName = parts[len(parts)-1]	}	return fmt.Sprintf("%s:%d:%s()", file, line, fnName)}func getCaller(skip int) (string, int, uintptr) {	pc, file, line, ok := runtime.Caller(skip)	if !ok {		return "", 0, pc	}	n := 0    // 获取包名	for i := len(file) - 1; i > 0; i-- {		if file[i] == '/' {			n++			if n >= 2 {				file = file[i+1:]				break			}		}	}	return file, line, pc}

效果如下：

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：

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：

这里写图片描述

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。

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：

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：。其使用如下：

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：

GET http://localhost:9200/mylog/_searchHTTP/1.1 200 OKcontent-type: application/json; charset=UTF-8transfer-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"        }      }    ]  }}Response code: 200 (OK); Time: 16ms; Content length: 3039 bytes

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。