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-5.1GLM-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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
热门内容推荐
最新内容推荐
智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南解决Jellyfin中文元数据难题:MetaShark插件3大场景配置指南5大技术突破:轻量级AI引擎的跨平台部署指南B站m4s格式无法播放?m4s-converter轻松搞定视频永久保存全攻略BTCPay Server 开源项目配置指南:跨平台部署与高效部署最佳实践RSSHub-Radar 使用问题全解析:从入门到进阶的解决方案
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
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
392
289
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108