Linux系统中Go语言的日志处理技巧

在Linux系统中用Go语言处理日志，这事儿说简单也简单，说复杂还真有不少门道。很多开发者一开始图省事直接上log.Println，结果后面查问题的时候恨得牙痒痒。今天就来聊聊怎么把日志这块儿做得既省心又高效，从选库到轮转、从结构化到聚合，一次讲透。

1. 用标准库 log 包打底

Go自带的log包虽然基础，但应付小型项目完全够用。设置输出、写日志、紧急退出，一行代码搞定。不过要注意，它只支持Print、Fatal、Panic这几个级别，格式也比较固定。如果项目规模不大，用它快速上手没问题。

package main

import (
    "log"
    "os"
)

func main() {
    log.SetOutput(os.Stdout)
    log.Println("This is an info message")
    log.Fatalf("This is a fatal message")
}

2. 第三方日志库：logrus 和 zap

一旦项目复杂度上来，标准库就显得不够用了。这时候就该让logrus或zap上场。它们支持结构化输出、多种日志级别，还能自定义格式，让日志不再是文本堆砌，而是可查询、可分析的数据。

用 logrus 实现结构化日志

logrus的用法很直观，支持JSON格式，还能通过WithFields附加上下文信息。比如记录“一群海象从海里冒出来”，把动物种类和数量都带上，排查问题时一目了然。

package main

import (
    "github.com/sirupsen/logrus"
)

func main() {
    logrus.SetFormatter(&logrus.JSONFormatter{})
    logrus.Info("This is an info message")
    logrus.WithFields(logrus.Fields{
        "animal": "walrus",
        "size":   10,
    }).Info("A group of walrus emerges from the ocean")
}

用 zap 追求极致性能

如果对性能有硬性要求（比如每秒记录数万条日志），zap是更好的选择。它采用零分配设计，速度比logrus快一个数量级。用法同样简洁，支持Info、Warn、Error等标准级别。

package main

import (
    "go.uber.org/zap"
)

func main() {
    logger, _ := zap.NewProduction()
    defer logger.Sync()
    logger.Info("This is an info message")
    logger.Warn("This is a warning message")
    logger.Error("This is an error message")
}

3. 日志轮转：别让日志撑爆磁盘

日志文件如果一直写下去，磁盘迟早会报警。Linux自带的logrotate工具就是干这个的：按天轮转、保留最近7份、压缩旧文件、自动创建新文件。配置起来也很简单：

/path/to/your/logfile.log {
    daily
    missingok
    rotate 7
    compress
    notifempty
    create 640 root adm
}

放在/etc/logrotate.d/下，系统就会自动执行。

4. 日志级别：别什么都往上记

日志级别不是摆设。开发阶段可以开Debug级，记录所有细节；生产环境一般只保留Info及以上，避免刷屏。用logrus.SetLevel(logrus.DebugLevel)就能灵活切换。

5. 结构化日志：让日志“可读”更“可查”

普通文本日志只能用grep硬搜，结构化日志（JSON格式）则能直接导入Elasticsearch等工具，按字段过滤、聚合。示例：记录用户登录行为时，带上userID、action、timestamp，后面查某用户的所有操作记录就简单了。

logrus.WithFields(logrus.Fields{
    "userID":    "12345",
    "action":    "login",
    "timestamp": time.Now().Format(time.RFC3339),
}).Info("User logged in")

6. 异步日志：别让日志拖慢业务

同步写日志会阻塞主线程，在高并发场景下可能成为瓶颈。zap提供了异步写机制，通过SugaredLogger可以方便地使用Infow等带键值对的写法，性能损失很小。

logger, _ := zap.NewProduction()
defer logger.Sync()
sugaredLogger := logger.SugaredLogger
sugaredLogger.Infow("This is an info message", "userID", "12345", "action", "login")

7. 日志聚合：分布式系统必备

当服务变成集群，日志就散落在各个节点上。这时候需要一个统一的日志收集、存储、分析平台。ELK Stack（Elasticsearch + Logstash + Kibana）和Fluentd是主流选择。应用只管输出结构化日志，Logstash或Fluentd负责收集、转换，最后存入Elasticsearch，再通过Kibana做可视化搜索。

8. 日志监控与告警：别等人报错才知道

日志不只是用来排查问题的，也可以主动发现异常。结合Prometheus采集指标，配合Alertmanager设置告警规则（比如5分钟内错误日志超过10条就发邮件），就能实现从“被动查日志”到“主动告警”的转变。

总结下来，日志处理的核心思路其实就四个字：选对工具、用好配置。从标准库起步，根据性能需求换zap，结构化输出为后续聚合铺路，再用logrotate和ELK把日志管理起来。最后别忘了加上监控告警，让日志真正成为系统的“眼睛”而不是“摆设”。