Serilog模板格式化中的异常消息优化实践
2025-05-29 01:11:45作者:范靓好Udolf
背景介绍
Serilog作为.NET生态中广泛使用的结构化日志记录库,其强大的模板格式化功能一直是开发者喜爱的特性之一。在日常开发中,我们经常需要处理异常日志,而默认情况下,Serilog会将异常的完整信息(包括消息和堆栈跟踪)输出到日志中。
问题发现
在控制台日志输出场景下,特别是通过docker容器查看远程日志时,完整的异常堆栈信息往往会带来以下问题:
- 增加了日志的视觉噪声,降低了关键信息的可读性
- 在多行输出时,日志格式变得混乱
- 彩色输出支持有限,进一步降低了可读性
解决方案探索
内置格式化方案
Serilog的标准模板属性支持自定义格式化,例如时间戳可以格式化为{Timestamp:HH:mm:ss},日志级别可以缩写为{Level:u3}。然而,异常属性{Exception}却没有提供类似的格式化选项。
替代方案比较
- 使用Serilog.Expressions:这是官方推荐的现代化解决方案,可以通过
{Inspect(@x).Message}表达式仅输出异常消息 - 自定义属性增强:通过添加Enricher来附加一个只包含异常消息的新属性
ExceptionMessage - 性能考量:通过基准测试发现,表达式方案相比内置格式化仅有约12%的性能差异(136ns vs 122ns),在实际应用中几乎可以忽略不计
实现细节
使用Serilog.Expressions的实现
var logger = new LoggerConfiguration()
.WriteTo.Console(new ExpressionTemplate("[{@t:HH:mm:ss} {@l:u3}] {@m}\n{Inspect(@x).Message}"))
.CreateLogger();
使用Enricher的实现
public class ExceptionMessageEnricher : ILogEventEnricher
{
public void Enrich(LogEvent logEvent, ILogEventPropertyFactory propertyFactory)
{
if (logEvent.Exception != null)
{
var property = propertyFactory.CreateProperty("ExceptionMessage", logEvent.Exception.Message);
logEvent.AddPropertyIfAbsent(property);
}
}
}
// 注册使用
var logger = new LoggerConfiguration()
.Enrich.With<ExceptionMessageEnricher>()
.WriteTo.Console(outputTemplate: "[{Timestamp:HH:mm:ss} {Level:u3}] {Message:lj}\n{ExceptionMessage}")
.CreateLogger();
性能考量
通过基准测试验证,两种主要方案在性能上的差异可以忽略不计:
- 内置格式化方案:约121.8纳秒/事件
- 表达式方案:约136.2纳秒/事件
在实际应用中,这种微小的性能差异会被网络I/O、磁盘I/O等操作完全掩盖,不会成为系统瓶颈。
最佳实践建议
- 对于新项目,推荐直接使用Serilog.Expressions方案,它提供了更灵活和强大的格式化能力
- 对于已有项目,如果不想引入新依赖,可以使用Enricher方案
- 在需要更复杂格式化逻辑时,可以考虑实现自定义函数来扩展表达式功能
总结
通过本文的分析,我们了解了在Serilog中优化异常日志输出的多种方法。虽然核心库目前不直接支持异常消息的格式化选项,但通过现有技术方案完全可以实现简洁、高效的异常日志输出。开发者可以根据项目实际情况选择最适合的方案,在日志可读性和完整性之间取得平衡。
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322