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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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++
1 K
1.01 K
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
433
392
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
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.15 K
148
暂无简介
Dart
983
251
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (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
1.67 K
986