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
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
Ascend Extension for PyTorch
Python
503
608
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++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
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
390
285
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (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
1.54 K
892
昇腾LLM分布式训练框架
Python
142
168