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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 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
12
1
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
341
405
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++
886
596
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
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178