MagicOnion中实现StreamingHub方法参数与返回值的日志记录
2025-06-16 03:22:43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
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660