Serilog实现缓存式日志记录方案解析
2025-05-29 12:25:55作者:江焘钦
背景介绍
在分布式系统和任务调度场景中,我们经常需要对任务的执行过程进行详细日志记录,但又不希望所有日志都立即持久化。典型的应用场景是:当任务成功完成时才记录日志,而任务失败时则丢弃相关日志记录。这种"选择性日志记录"模式与常见的审计日志正好相反——不是立即提交日志而是延迟到特定条件满足时才提交。
传统实现方式的局限性
传统实现通常采用自定义日志框架或MEL(微软扩展日志)的变通方案,但这些方法存在几个明显问题:
- 代码侵入性强,与业务逻辑耦合度高
- 难以与现代化日志系统(如Serilog)集成
- 缺乏对结构化日志的支持
- 扩展性和维护性差
Serilog解决方案设计
基于Serilog的灵活架构,我们可以设计出优雅的缓存式日志方案。核心思路是利用Serilog的管道机制和上下文特性,构建一个日志缓存层。
方案一:自定义ILogger实现
通过实现自定义的ILogger接口,我们可以拦截所有日志调用并将其暂存于内存中:
public class BufferingLogger : ILogger
{
private readonly List<LogEvent> _buffer = new();
private readonly ILogger _targetLogger;
public BufferingLogger(ILogger targetLogger)
{
_targetLogger = targetLogger;
}
public void Write(LogEvent logEvent)
{
_buffer.Add(logEvent);
}
public void Flush()
{
foreach (var logEvent in _buffer)
{
_targetLogger.Write(logEvent);
}
_buffer.Clear();
}
// 其他ILogger成员实现...
}
方案二:自定义Sink包装器
另一种更符合Serilog哲学的方式是创建自定义Sink,将日志事件先缓存再批量处理:
public class BufferingSink : ILogEventSink
{
private readonly List<LogEvent> _buffer = new();
private readonly ILogEventSink _targetSink;
public BufferingSink(ILogEventSink targetSink)
{
_targetSink = targetSink;
}
public void Emit(LogEvent logEvent)
{
_buffer.Add(logEvent);
}
public void Flush()
{
foreach (var logEvent in _buffer)
{
_targetSink.Emit(logEvent);
}
_buffer.Clear();
}
}
实现细节与优化
上下文关联
在实际应用中,我们需要确保日志缓存与特定任务或上下文关联。可以利用Serilog的LogContext特性:
using (LogContext.PushProperty("JobId", jobId))
{
// 任务执行期间的日志
}
线程安全考虑
在多线程环境下,缓存操作需要保证线程安全:
private readonly ConcurrentQueue<LogEvent> _buffer = new();
资源释放
为防止内存泄漏,需要实现IDisposable接口并在适当时机清理资源。
实际应用示例
以下是一个完整的任务调度场景实现:
public class JobRunner
{
private readonly ILogger _baseLogger;
public JobRunner(ILogger baseLogger)
{
_baseLogger = baseLogger;
}
public void RunJob(Action<ILogger> jobAction)
{
var buffer = new BufferingLogger(_baseLogger);
try
{
jobAction(buffer);
buffer.Flush(); // 任务成功,刷出日志
}
catch
{
// 任务失败,丢弃日志
}
}
}
性能考量
- 内存管理:对于长时间运行的任务,应设置缓存上限
- 批量处理:大量日志一次性写入可能影响性能,可考虑分批次处理
- 异常处理:确保日志刷出过程中的异常不会影响主业务流程
扩展思考
这种缓存式日志模式还可应用于以下场景:
- 事务性操作:只有事务提交后才记录相关日志
- 批处理系统:整批数据处理完成后再统一记录日志
- 复杂工作流:在关键节点确认后才持久化过程日志
总结
通过Serilog的灵活架构,我们可以构建出既保持结构化日志优势,又能实现条件性日志记录的解决方案。相比传统方案,这种实现更加优雅、可维护,且能与Serilog丰富的生态系统无缝集成。开发者可以根据具体需求选择最适合的实现方式,平衡性能、可靠性和开发效率。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥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
68
20
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
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
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
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
349
200
Ascend Extension for PyTorch
Python
377
447
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1