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 StartedRust0153- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
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
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253