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：
用户登录失败订单创建出错 nullERROR 非法参数
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）：
log.info("start process");log.error("error happen");
无时间戳，无上下文。
正解代码：
<!-- 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>
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）：
try {processOrder();} catch (Exception e) {log.error("处理失败");}
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：
log.error("订单处理异常 orderId={}", orderId, e); // e必须存在！
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：
log.debug("用户余额不足 userId={}", userId); // 业务异常应属WARNlog.error("接口响应稍慢"); // 普通超时属INFO
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：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
第4条：参数完整
反例（让运维骂娘）：
log.info("用户登录失败");
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：
log.warn("用户登录失败 username={}, clientIP={}, failReason={}",username, clientIP, "密码错误次数超限");
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：
// 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"));
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：
log.info("秒杀请求 userId={}, itemId={}", userId, itemId);
高并发下IO阻塞。
致命伤害分析：
同步写日志导致线程上下文切换频繁
磁盘IO成为系统瓶颈
高峰期日志打印耗时占总RT的25%
正确示范（三步配置法）
<!-- 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>
// 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());
流程图如下：
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
风险规避策略
防队列堆积：监控队列使用率，达80%触发告警
防OOM：严格约束大对象toString()的调用
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：
// 拦截器注入traceIdMDC.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>
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：
("/logLevel")public String changeLogLevel(String loggerName,String level) {Logger logger = (Logger) LoggerFactory.getLogger(loggerName);logger.setLevel(Level.valueOf(level)); // 立即生效return "OK";}
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。
journeytitle 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
第9条：结构化存储
混沌日志：
用户购买了苹果手机 订单号1001 金额8999
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：
{"event": "ORDER_CREATE","orderId": 1001,"amount": 8999,"products": [{"name":"iPhone", "sku": "A123"}]}
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：
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
总结
研发人员的三大境界：
青铜：System.out.println("error！")
钻石：标准化日志 + ELK监控
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？
如果字段的最大可能长度超过255字节，那么长度值可能…
只能说作者太用心了，优秀
感谢详解
一般干个7-8年（即30岁左右），能做到年入40w-50w；有…
230721