Audit.NET 实战:如何优化API请求日志记录与异常处理
2025-07-01 18:35:42作者:宣聪麟
引言
在现代Web应用开发中,完善的日志记录系统对于问题排查和系统监控至关重要。Audit.NET作为一个强大的审计日志框架,为.NET开发者提供了灵活的日志记录能力。本文将深入探讨如何优化API请求的日志记录策略,特别是针对不同HTTP方法和响应状态码的特殊处理。
核心问题分析
在实现API请求日志记录时,我们通常会遇到几个典型问题:
- 对于GET和HEAD等只读请求,是否需要记录完整的请求和响应体
- 对于204 No Content响应,如何处理响应体记录
- 如何避免因日志数据过大导致的存储异常
解决方案实现
1. 选择性日志记录策略
通过Audit.NET的配置,我们可以精确控制哪些请求需要被记录:
app.UseAuditMiddleware(cfg =>
{
// 排除GET和HEAD方法的请求
cfg.FilterByRequest(rq => rq.Method != HttpMethods.Get && rq.Method != HttpMethods.Head)
.WithEventType("{verb}.{controller}.{action}")
.IncludeRequestBody()
// 排除204状态码的响应体
.IncludeResponseBody(c => c.Response.StatusCode != (int)HttpStatusCode.NoContent);
});
2. 使用全局过滤器替代中间件
更优雅的解决方案是使用AuditApiGlobalFilter,它提供了更精细的控制:
options.Filters.Add(new AuditApiGlobalFilter(f => f
.LogRequestIf(rq => rq.Method != HttpMethods.Get && rq.Method != HttpMethods.Head)
.WithEventType("{verb}.{controller}.{action}")
.IncludeRequestBody()
.IncludeResponseBody(p => p.HttpContext.Response.StatusCode != (int)HttpStatusCode.NoContent)
));
这种方法避免了不必要的中间件处理,直接在动作过滤器层面实现日志控制。
3. 大数据量处理策略
对于可能产生大体积请求/响应体的场景,我们需要实现智能截断:
Configuration.AddCustomAction(ActionType.OnEventSaving, scope =>
{
var action = scope.GetWebApiAuditAction();
// 处理超大请求体
if (action?.RequestBody?.Value != null && action.RequestBody.Length > 32000)
{
action.RequestBody.Value = action.RequestBody.Value is string stringValue
? (ExtractFileNameFromContent(stringValue) == "unknown"
? "Request content too long..."
: $"File: {fileName}")
: "Request content too long...";
}
// 处理超大响应体
if (action?.ResponseBody?.Value != null && action.ResponseBody.Length > 16384)
{
action.ResponseBody.Value = "too long...";
}
// 其他可能的大数据字段处理
action.Exception = action.Exception?[0..1000];
// 处理表单变量
foreach (var k in action.FormVariables.Keys)
{
if (action.FormVariables[k].Length > 1000)
{
action.FormVariables[k] = action.FormVariables[k][0..1000];
}
}
// 处理请求头
foreach (var k in action.Headers.Keys)
{
if (action.Headers[k].Length > 1000)
{
action.Headers[k] = action.Headers[k][0..1000];
}
}
});
最佳实践建议
- 性能考量:对于高频API,建议完全排除GET/HEAD方法的日志记录,减少I/O压力
- 存储优化:实现智能截断策略前,应先分析典型请求大小分布,设置合理的阈值
- 异常处理:确保日志系统本身不会因记录日志而引发新的异常
- 上下文保留:即使截断大内容,也应保留足够的问题诊断信息
- 安全考虑:敏感信息应在记录前进行脱敏处理
总结
通过合理配置Audit.NET,我们可以构建一个既全面又高效的API请求日志系统。关键在于理解不同HTTP方法和状态码的特点,并针对性地实施记录策略。大数据量的智能处理和安全考量也是不可忽视的重要环节。本文提供的解决方案在实际项目中经过验证,能够有效平衡日志完整性和系统性能的需求。
对于更复杂的场景,开发者可以进一步扩展自定义动作,实现更精细的日志控制策略,如基于用户角色、API端点等维度的差异化记录配置。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.85 K
Ascend Extension for PyTorch
Python
388
466
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
356
216
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++
897
688
昇腾LLM分布式训练框架
Python
121
147
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
120
156
🎉 (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
1.38 K
782
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
599
167
React Native鸿蒙化仓库
JavaScript
311
361