如何在elasticsearch-php中正确配置日志记录请求和响应内容
2025-06-08 10:28:20作者:魏侃纯Zoe
在使用elasticsearch-php客户端库时,许多开发者会遇到日志记录不完整的问题,特别是无法看到请求和响应的具体内容。本文将详细介绍如何正确配置日志系统,以便完整记录Elasticsearch客户端的请求和响应信息。
问题现象
开发者通常会使用Monolog库来记录elasticsearch-php客户端的日志,但默认配置下只能看到基本的请求和响应信息,例如:
[2024-12-24T10:27:45.950113+08:00] elasticsearch.INFO: Request: POST http://elastic:root@localhost:9200/user/_search {"request":{"GuzzleHttp\\Psr7\\ServerRequest":[]}} []
[2024-12-24T10:27:46.079578+08:00] elasticsearch.INFO: Response (retry 0): 200 {"response":{"GuzzleHttp\\Psr7\\Response":[]},"retry":0} []
这种日志缺少了关键的请求头、请求体、响应头和响应体内容,对于调试和分析问题帮助有限。
解决方案
要获取完整的请求和响应日志,需要将日志级别设置为DEBUG。以下是正确的配置方法:
use Monolog\Level;
use Monolog\Logger;
use Monolog\Handler\StreamHandler;
use Elastic\Elasticsearch\ClientBuilder;
// 创建Logger实例,设置日志级别为DEBUG
$logger = new Logger('elasticsearch');
$logger->pushHandler(new StreamHandler('/path/to/elasticsearch.log', Level::Debug));
// 构建Elasticsearch客户端并设置Logger
$client = ClientBuilder::create()
->setLogger($logger)
->setHosts(['http://localhost:9200'])
->build();
完整日志示例
配置正确后,日志将包含详细的请求和响应信息:
[2025-02-06T15:25:24.691162+00:00] elasticsearch.INFO: Request: PUT http://localhost:9200/my_index/_doc/my_id {"request":{"GuzzleHttp\\Psr7\\ServerRequest":[]}} []
[2025-02-06T15:25:24.692449+00:00] elasticsearch.DEBUG: Headers: {"Host":["localhost:9200"],"Accept":["application/vnd.elasticsearch+json; compatible-with=8"],"Content-Type":["application/vnd.elasticsearch+json; compatible-with=8"],"Authorization":["ApiKey xxx],"User-Agent":["elasticsearch-php/8.17.0 (Linux 6.8.0-52-generic; PHP 8.4.3)"],"x-elastic-client-meta":["es=8.17.0,php=8.4.3,t=8.10.0,a=0,gu=7.9.2"]} Body: {"testField":"abc"} [] []
[2025-02-06T15:25:24.722433+00:00] elasticsearch.INFO: Response (retry 0): 200 {"response":{"GuzzleHttp\\Psr7\\Response":[]},"retry":0} []
[2025-02-06T15:25:24.722632+00:00] elasticsearch.DEBUG: Headers: {"X-elastic-product":["Elasticsearch"],"content-type":["application/vnd.elasticsearch+json;compatible-with=8"],"content-length":["145"]} Body: {"_index":"my_index","_id":"my_id","_version":2,"result":"updated","_shards":{"total":2,"successful":1,"failed":0},"_seq_no":1,"_primary_term":1} [] []
日志内容解析
-
请求日志:
- 包含HTTP方法、URL和基本请求信息
- DEBUG级别下会记录请求头和请求体内容
-
响应日志:
- 包含HTTP状态码和重试次数
- DEBUG级别下会记录响应头和响应体内容
- 包含请求处理时间
-
调试信息:
- 可以查看认证信息是否正确
- 可以验证请求体是否符合预期
- 可以检查响应内容是否完整
最佳实践建议
- 在生产环境中,建议将日志级别设置为INFO,避免记录敏感信息
- 开发环境可以使用DEBUG级别,方便调试
- 定期清理日志文件,避免占用过多磁盘空间
- 对于敏感信息,可以考虑在记录前进行脱敏处理
- 可以将日志集成到现有的日志管理系统中,方便集中查看和分析
通过正确配置日志级别,开发者可以更有效地监控和调试elasticsearch-php客户端的请求和响应,提高开发效率和问题排查能力。
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 StartedJavaScript093- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
700
4.5 K
Ascend Extension for PyTorch
Python
563
691
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
JavaScript
521
93
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++
956
951
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
411
338
🎉 (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
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
128
209
昇腾LLM分布式训练框架
Python
148
176
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
140
221