如何在elasticsearch-php中正确配置日志记录请求和响应内容
2025-06-08 01:46:33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
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-1.5暂无简介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
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
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
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
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
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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