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
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 StartedRust099- 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
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
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
Rust
576
99
暂无描述
Dockerfile
710
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
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
414
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
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
2