MagicOnion中实现StreamingHub方法参数与返回值的日志记录
2025-06-16 22:24:31作者:舒璇辛Bertina
前言
在使用MagicOnion开发实时通信应用时,开发者经常需要记录StreamingHub方法的输入参数和返回值,这对于调试和监控系统行为非常重要。本文将详细介绍如何在MagicOnion的StreamingHub中实现方法调用的完整日志记录。
基础日志记录方案
最简单的日志记录方式是通过构造函数注入ILogger,然后在每个方法内部手动记录参数:
public class GamingHub : StreamingHubBase<IGamingHub, IGamingHubReceiver>, IGamingHub
{
private readonly ILogger<GamingHub> _logger;
public GamingHub(ILogger<GamingHub> logger)
{
_logger = logger;
}
public async ValueTask<Player[]> JoinAsync(string roomName, string userName, Vector3 position, Quaternion rotation)
{
_logger.LogInformation("JoinAsync called with roomName:{roomName}, userName:{userName}", roomName, userName);
// 方法实现...
}
}
这种方式虽然直接,但需要在每个方法中重复编写日志代码,维护成本较高。
使用过滤器实现统一日志记录
MagicOnion提供了过滤器(Filter)机制,可以在方法调用前后插入自定义逻辑,这是实现统一日志记录的理想方式。
创建日志记录过滤器
public class LoggingStreamingHubFilter : IStreamingHubFilter
{
private readonly ILogger _logger;
public LoggingStreamingHubFilter(ILogger<LoggingStreamingHubFilter> logger)
{
_logger = logger;
}
public async ValueTask Invoke(StreamingHubContext context, Func<StreamingHubContext, ValueTask> next)
{
// 记录方法调用前日志(参数)
_logger.LogInformation("调用方法 {MethodName} 参数: {Parameters}",
context.Path,
JsonSerializer.Serialize(context.ServiceContext.CallContext.RequestHeaders));
try
{
await next(context);
// 记录方法调用后日志(返回值)
if (context.Result.HasValue)
{
_logger.LogInformation("方法 {MethodName} 返回: {Result}",
context.Path,
JsonSerializer.Serialize(context.Result.Value));
}
}
catch (Exception ex)
{
_logger.LogError(ex, "方法 {MethodName} 执行出错", context.Path);
throw;
}
}
}
注册过滤器
在服务配置中添加过滤器:
var builder = MagicOnionHost.CreateDefaultBuilder()
.UseMagicOnion(
new MagicOnionOptions
{
StreamingHubFilters = new[] { new LoggingStreamingHubFilter(logger) }
}
);
参数序列化注意事项
在记录复杂类型参数时,需要注意:
- 确保类型可序列化,特别是自定义类型
- 对于包含循环引用的对象,需要配置序列化选项
- 敏感信息应考虑脱敏处理
可以自定义序列化选项:
var options = new JsonSerializerOptions
{
WriteIndented = true,
ReferenceHandler = ReferenceHandler.IgnoreCycles
};
JsonSerializer.Serialize(value, options);
性能优化建议
日志记录虽然重要,但也需要考虑性能影响:
- 在高频调用的方法上考虑使用Debug级别日志
- 对大对象记录时只记录关键属性
- 考虑使用条件日志记录
if (_logger.IsEnabled(LogLevel.Debug))
{
_logger.LogDebug("详细日志信息...");
}
总结
通过MagicOnion的过滤器机制,我们可以优雅地实现StreamingHub方法的统一日志记录,无需在每个方法中重复编写日志代码。这种方法不仅提高了开发效率,还保证了日志记录的一致性。在实际应用中,开发者可以根据具体需求调整日志级别和内容,平衡调试需求和系统性能。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134