DoctrineExtensions 实现全局日志记录与选择性忽略的实践
2025-06-16 13:30:41作者:柏廷章Berta
背景介绍
在基于Symfony框架和Doctrine ORM的开发中,Gedmo的DoctrineExtensions提供了Loggable行为,能够自动记录实体对象的变更历史。标准的Loggable实现需要显式地为每个需要记录的实体添加注解或属性标记。但在实际业务场景中,我们往往希望记录所有实体的变更,只排除少数不需要记录的实体或字段。
解决方案设计
通过继承LoggableListener并重写关键方法,我们可以实现以下功能:
- 默认记录所有实体变更
- 通过NotLoggable属性标记排除特定实体或字段
- 增强日志记录功能,包括对象标题、变更前后数据等
核心实现代码
配置扩展
首先需要在Symfony的配置文件中替换默认的LoggableListener:
services:
Gedmo\Loggable\LoggableListener:
class: App\EventSubscriber\Loggable
calls:
- [ setSecurity, ['@security.helper'] ]
tags:
- { name: doctrine.event_listener, event: 'onFlush' }
- { name: doctrine.event_listener, event: 'loadClassMetadata' }
- { name: doctrine.event_listener, event: 'postPersist' }
自定义Loggable监听器
创建自定义的Loggable监听器类,继承并扩展原始功能:
class Loggable extends LoggableListener
{
private Security $security;
private string $lastAction;
private array $lastChanges;
public function setSecurity(Security $security)
{
$this->security = $security;
}
// 关键方法:获取实体配置
public function getConfiguration(ObjectManager $objectManager, $class): array
{
$config = parent::getConfiguration($objectManager, $class);
$meta = $objectManager->getClassMetadata($class);
// 检查类级别NotLoggable属性
if ($meta->reflClass->getAttributes(NotLoggable::class)) {
return $config;
}
// 过滤掉带有NotLoggable属性的字段
$versioned = array_filter(
array_merge($meta->getFieldNames(), $meta->getAssociationNames()),
fn ($field) => !$meta->reflFields[$field]->getAttributes(NotLoggable::class)
);
// 设置默认记录配置
$config = array_merge($config, [
'loggable' => true,
'logEntryClass' => AuditLogEntry::class,
'useObjectClass' => $class,
'versioned' => $versioned,
]);
self::$configurations[$this->name][$meta->getName()] = $config;
return $config;
}
// 日志条目预处理
protected function prePersistLogEntry($logEntry, $object): void
{
if (method_exists($object, '__toString')) {
$logEntry->setObjectTitle((string)$object);
}
if (LogEntryInterface::ACTION_UPDATE !== $this->lastAction) {
return;
}
// 记录变更前数据
$prevData = [];
foreach ($this->lastChanges as $field => $changes) {
$value = $changes[0];
if (is_object($value) && method_exists($value, 'getId')) {
$value = ['id' => $value->getId()];
}
$prevData[$field] = $value;
}
$logEntry->setPrevData($prevData);
}
// 创建日志条目
protected function createLogEntry($action, $object, LoggableAdapter $ea): ?LogEntryInterface
{
$user = $this->security->getUser();
if ($user) {
$this->setUsername($user->getFullNameShort());
}
$this->lastAction = $action;
$om = $ea->getObjectManager();
$this->lastChanges = $ea->getObjectChangeSet($om->getUnitOfWork(), $object);
return parent::createLogEntry($action, $object, $ea);
}
}
使用示例
排除整个实体
#[\NotLoggable]
#[ORM\Entity(repositoryClass: RepairStatusLogRepository::class)]
class RepairStatusLog
{
// 实体定义
}
排除特定字段
#[ORM\Entity]
class User
{
#[ORM\Column]
private string $name;
#[\NotLoggable]
#[ORM\Column]
private string $password;
}
技术要点解析
-
配置覆盖机制:通过重写getConfiguration方法,实现了默认记录所有实体的逻辑,同时保留通过NotLoggable属性排除特定实体或字段的能力。
-
变更数据捕获:在createLogEntry方法中捕获变更数据集,并在prePersistLogEntry中将变更前数据格式化后存入日志条目。
-
用户上下文集成:通过Security组件自动获取当前用户信息并记录到日志中。
-
对象标识处理:对于关联对象,自动记录其ID而非整个对象,避免数据冗余。
实际应用价值
这种实现方式特别适合以下场景:
- 需要全面审计的系统,如金融、医疗等合规要求高的领域
- 开发初期阶段,尚未完全确定哪些实体需要记录
- 需要细粒度控制记录字段的系统
相比标准的Loggable实现,这种"记录所有,排除例外"的模式可以显著减少配置工作量,同时保证系统的审计完整性。
注意事项
- 性能考虑:全量记录可能对高并发系统产生性能影响,需合理设计日志存储方案
- 存储规划:日志数据可能快速增长,需要考虑归档策略
- 敏感数据处理:确保排除密码等敏感字段的记录
- 关联对象处理:对于复杂对象图,可能需要定制更精细的记录策略
通过这种定制化的Loggable实现,开发者可以在保证系统可审计性的同时,保持代码的简洁性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219