NLog中动态修改请求日志属性的最佳实践
2025-06-03 22:43:41作者:昌雅子Ethen
背景介绍
在.NET 6.0应用程序中使用NLog进行日志记录时,开发人员经常需要记录HTTP请求的相关信息,如请求路径、请求详情等。这些信息通常通过NLog的ASP.NET Core布局渲染器(如${aspnet-request-ip}、${aspnet-request-method}等)直接获取并记录到日志中。
问题场景
在实际开发中,我们可能会遇到这样的需求:在业务逻辑处理过程中,需要先获取原始的请求信息,经过处理后(如添加额外信息或修改某些值),再将处理后的结果记录到日志中。特别是在以下场景:
- 需要对敏感信息进行脱敏处理
- 需要添加业务相关的上下文信息
- 需要统一格式化请求路径
- 在微服务架构中需要传递请求上下文
解决方案对比
1. 使用NLog配置变量(不推荐)
最初可能会想到使用NLog的配置变量(Variables)来实现:
LogManager.Configuration.Variables["user"] = "admin";
然后在NLog配置中使用${var:user}引用这个变量。
缺点:
- 变量是全局的,在多线程/多请求环境下会出现数据污染
- 不适合在Azure AKS等多实例部署环境中使用
- 缺乏请求级别的隔离性
2. 使用ScopeContext(推荐方案)
NLog提供了ScopeContext机制,可以为特定的代码块提供上下文属性:
using (NLog.ScopeContext.PushProperty("RequestPath", "My Request"))
{
Logger.Info("Hello World");
}
在NLog配置中可以通过${scopeProperty:RequestPath}引用这个属性。
优势:
- 属性作用域限定在using块内
- 线程安全,适合并发环境
- 可以与默认值结合使用,如:
${scopeProperty:RequestPath:whenEmpty=${aspnet-request-url}}
3. 使用结构化日志记录
另一种简洁的方式是直接使用结构化日志记录:
Logger.Info("Hello from {RequestDetail}", "My Detail");
这种方式直接在日志语句中注入属性,简单直接。
实现建议
对于需要在类库中修改请求信息再记录的场景,推荐采用以下模式:
- 在中间件或控制器中捕获原始请求信息
- 在业务逻辑层进行处理和修改
- 使用ScopeContext将处理后的信息推入日志上下文
- 配置NLog优先使用ScopeContext中的属性,不存在时回退到原始请求信息
示例代码:
// 业务逻辑处理
public void ProcessRequest(HttpContext context)
{
var originalPath = context.Request.Path;
var processedPath = ModifyPath(originalPath); // 自定义处理逻辑
using (NLog.ScopeContext.PushProperty("ProcessedRequestPath", processedPath))
{
_logger.Info("请求已处理");
}
}
对应的NLog配置:
<attribute name="RequestPath"
layout="${scopeProperty:ProcessedRequestPath:whenEmpty=${aspnet-request-path}}" />
注意事项
- 确保在NLog配置中启用了
includeMdlc="true"以支持异步上下文传播 - 对于复杂的对象,考虑实现自定义的布局渲染器
- 在生产环境中启用NLog内部日志以排查配置问题
- 避免在ScopeContext中存储大对象,以免影响性能
通过这种方式,可以安全、灵活地在分布式环境中记录经过处理的请求信息,同时保持代码的清晰和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
650
149
Ascend Extension for PyTorch
Python
211
221
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++
656
291
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
React Native鸿蒙化仓库
JavaScript
251
319
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
1.03 K
486
🎉 (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
1.17 K
640
仓颉编程语言运行时与标准库。
Cangjie
136
874
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216