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
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 StartedRust0153- 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。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
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
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253