MagicOnion中如何记录StreamingHub方法的输入参数和返回值
2025-06-16 09:09:20作者:翟萌耘Ralph
在MagicOnion框架中,StreamingHub是构建实时通信应用的核心组件。开发者经常需要记录方法的输入参数和返回值,用于调试、监控或审计目的。本文将详细介绍如何在MagicOnion的StreamingHub中实现这一功能。
日志记录的基本方法
MagicOnion的StreamingHub继承自StreamingHubBase类,我们可以通过依赖注入获取ILogger实例来实现日志记录功能:
public class GamingHub : StreamingHubBase<IGamingHub, IGamingHubReceiver>, IGamingHub
{
private readonly ILogger<GamingHub> _logger;
public GamingHub(ILogger<GamingHub> logger)
{
_logger = logger;
}
public async ValueTask<Player[]> JoinAsync(string roomName, string userName, Vector3 position, Quaternion rotation)
{
_logger.LogInformation("JoinAsync called with roomName={RoomName}, userName={UserName}, position={Position}, rotation={Rotation}",
roomName, userName, position, rotation);
// 业务逻辑
return players;
}
}
使用过滤器实现统一日志记录
为了更系统化地记录所有方法的输入输出,可以使用MagicOnion的过滤器机制:
public class LoggingStreamingHubFilter : StreamingHubFilterAttribute
{
public override async ValueTask Invoke(StreamingHubContext context, Func<StreamingHubContext, ValueTask> next)
{
var logger = context.ServiceProvider.GetRequiredService<ILogger<LoggingStreamingHubFilter>>();
// 记录方法调用和参数
logger.LogInformation("调用方法 {MethodName} 参数: {Parameters}",
context.MethodInfo.Name,
JsonSerializer.Serialize(context.Arguments));
await next(context);
// 记录返回值
if(context.HasResult)
{
logger.LogInformation("方法 {MethodName} 返回: {Result}",
context.MethodInfo.Name,
JsonSerializer.Serialize(context.Result));
}
}
}
然后在Hub类上应用这个过滤器:
[LoggingStreamingHubFilter]
public class GamingHub : StreamingHubBase<IGamingHub, IGamingHubReceiver>, IGamingHub
{
// Hub实现
}
处理复杂类型和性能考虑
当记录复杂类型如Vector3和Quaternion时,需要注意:
- 考虑实现自定义的序列化逻辑,避免记录不必要的信息
- 敏感信息应该进行脱敏处理
- 在高频调用的方法中,考虑使用条件日志记录或采样记录
_logger.LogDebug("详细位置信息 - X:{X}, Y:{Y}, Z:{Z}", position.x, position.y, position.z);
最佳实践建议
- 区分日志级别:使用Debug级别记录详细参数,Info级别记录关键方法调用
- 结构化日志:使用命名占位符而非字符串拼接,便于日志系统解析
- 异步方法:确保日志记录不会阻塞主流程
- 性能监控:可以结合日志记录实现简单的性能监控
通过以上方法,开发者可以全面掌握MagicOnion StreamingHub的运行情况,快速定位问题,同时为系统监控提供有价值的数据。
登录后查看全文
热门项目推荐
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
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- 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
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
Ascend Extension for PyTorch
Python
503
608
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++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
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
390
285
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (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
892
昇腾LLM分布式训练框架
Python
142
168