在Next.js项目中集成Pino日志系统的实践指南
2025-05-14 19:08:38作者:鲍丁臣Ursa
前言
在现代Web应用开发中,日志记录系统是必不可少的基础设施。Pino作为Node.js生态中高性能的日志记录器,以其出色的性能和灵活的扩展性受到开发者青睐。本文将详细介绍如何在Next.js框架中集成Pino日志系统,并实现跨客户端和服务端的统一日志管理。
核心需求分析
在Next.js项目中集成Pino需要解决几个关键问题:
- 环境适配:需要同时支持浏览器环境和服务器环境
- 请求追踪:需要自动关联请求ID和用户标识
- 日志传输:需要支持将日志发送到Logflare等日志服务
- 统一接口:需要提供一致的API供客户端和服务器端使用
基础日志器配置
首先,我们创建一个基础日志器配置,根据环境决定是否启用Logflare集成:
import pino from 'pino';
import { createPinoBrowserSend, createWriteStream } from "pino-logflare"
// 判断是否为预览或生产环境
const isPreviewOrProduction = process.env.VERCEL_ENV === 'preview' || process.env.VERCEL_ENV === 'production';
let baseLogger: pino.Logger;
if (isPreviewOrProduction && process.env.NEXT_PUBLIC_LOGFLARE_KEY && process.env.NEXT_PUBLIC_LOGFLARE_SOURCE) {
// 生产环境配置Logflare集成
const stream = createWriteStream({
apiKey: process.env.NEXT_PUBLIC_LOGFLARE_KEY,
sourceToken: process.env.NEXT_PUBLIC_LOGFLARE_SOURCE,
});
const send = createPinoBrowserSend({
apiKey: process.env.NEXT_PUBLIC_LOGFLARE_KEY,
sourceToken: process.env.NEXT_PUBLIC_LOGFLARE_SOURCE,
});
baseLogger = pino({
browser: {
transmit: {
level: "info",
send: send,
}
},
level: "debug",
base: {
env: process.env.VERCEL_ENV || process.env.NODE_ENV,
release: process.env.NEXT_PUBLIC_APP_VERSION,
},
}, stream);
} else {
// 开发环境基础配置
baseLogger = pino({
level: "debug",
base: {
env: process.env.VERCEL_ENV || process.env.NODE_ENV,
release: process.env.NEXT_PUBLIC_APP_VERSION,
},
});
}
环境感知日志器工厂
为了实现在不同环境下自动适配的日志器,我们创建了一个日志器工厂函数:
const getLogger = (name: string, req?: NextRequest) => {
if (typeof window !== "undefined") {
// 浏览器环境处理逻辑
const cookies = document.cookie;
const cookieKeyValues = cookies.split(";").map((cookie) => cookie.trim().split("="));
const posthog = cookieKeyValues.find(([key]) => key === posthogCookieName);
let correlationId = null;
if (posthog) {
try {
const value = JSON.parse(decodeURIComponent(posthog[1]));
correlationId = value?.distinct_id;
} catch (error) {
console.error("Error parsing posthog cookie", error);
}
}
return baseLogger.child({
name,
from: "browser",
correlationId,
// 添加浏览器环境特有信息
});
} else {
// 服务器环境处理逻辑
const isEdgeRuntime = typeof EdgeRuntime !== 'undefined';
if (isEdgeRuntime) {
// Edge Runtime特殊处理
if (!req) throw new Error('Request object is required in edge runtime');
const requestId = req.headers.get("x-vercel-id");
const posthog = req.cookies.get(posthogCookieName);
const value = JSON.parse(posthog?.value || '{}');
return baseLogger.child({
requestId,
correlationId: value?.distinct_id,
// 添加Edge环境特有信息
from: "edge",
name,
});
} else {
// 标准Node.js环境处理
const { cookies, headers } = require("next/headers");
const posthog = cookies().get(posthogCookieName);
const value = JSON.parse(posthog?.value || "{}");
return baseLogger.child({
name,
from: "server",
correlationId: value?.distinct_id,
requestId: headers().get("x-vercel-id"),
});
}
}
}
实际应用示例
在中间件中使用
const logger = getLogger('middleware', request);
logger.info({ path: request.nextUrl.pathname }, 'Middleware processing request');
在页面组件中使用
const logger = getLogger('src/app/page.tsx');
logger.info('Page component rendered');
在客户端组件中使用
"use client";
const logger = getLogger('src/components/Button.tsx');
function Button() {
const onClick = () => {
logger.info('Button clicked');
};
return <button onClick={onClick}>Click me</button>;
}
高级特性实现
1. 请求追踪
通过自动从请求头中提取x-vercel-id作为请求ID,实现了跨服务的请求追踪。同时从PostHog cookie中提取用户标识作为关联ID,便于分析用户行为。
2. 环境区分
日志中自动添加from字段标识日志来源(browser/edge/server),便于后期分析排查问题。
3. 上下文丰富
在浏览器环境中自动记录URL和查询参数,在服务器环境中记录请求方法和headers等信息,为问题诊断提供充分上下文。
性能优化建议
- 日志级别控制:在生产环境中适当提高日志级别阈值,避免记录过多调试信息
- 采样率配置:对于高流量应用,可以配置采样率避免日志量过大
- 批量传输:浏览器环境中可以考虑实现日志批量传输,减少网络请求
- 敏感信息过滤:确保不会记录敏感信息如密码、token等
错误处理策略
- cookie解析容错:对cookie解析添加try-catch,避免因格式问题导致日志记录中断
- 备用日志通道:当Logflare不可用时,应有备用日志存储方案
- 错误边界处理:在React组件中实现错误边界,确保日志记录错误不会影响UI渲染
总结
本文介绍的Next.js+Pino集成方案实现了以下目标:
- 统一了客户端和服务端的日志接口
- 自动关联请求和用户上下文
- 支持多种运行时环境(浏览器、Edge、Node.js)
- 实现了生产环境日志服务集成
- 提供了丰富的日志上下文信息
这种实现方式既保持了Pino的高性能特性,又适应了Next.js的全栈特性,为应用提供了强大的可观测性支持。开发者可以根据实际需求进一步扩展和定制,构建更加完善的日志监控系统。
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