Monolog v3中自定义日志源信息的解决方案
2025-05-10 00:00:36作者:晏闻田Solitary
概述
在使用Monolog日志库时,许多开发者会遇到需要自定义日志源信息(如source和host字段)的需求。特别是在Docker容器化环境中,默认获取的主机名和IP地址往往无法满足多服务器日志区分的要求。本文将详细介绍在Monolog v3中如何优雅地实现这一功能。
问题背景
在Monolog v2.7.0及更早版本中,开发者可以通过实现ProcessorInterface
接口,直接修改日志记录的数组来添加自定义字段:
class SourceProcessor implements ProcessorInterface
{
public function __invoke(array $record): array
{
$record['source'] = 'ops.' . $_ENV['ENVIRONMENT'];
$record['host'] = 'ops.' . $_ENV['ENVIRONMENT'];
return $record;
}
}
然而在Monolog v3中,日志记录被封装为LogRecord
对象,不再允许直接添加任意字段,这种直接修改数组的方式不再适用。
Monolog v3的解决方案
Monolog v3提供了更加结构化的日志记录处理方式。要添加自定义字段,推荐使用以下两种方法:
方法一:使用上下文(Context)和额外数据(Extra)
可以通过处理器(Processor)将数据添加到上下文中:
class SourceProcessor implements ProcessorInterface
{
public function __invoke(LogRecord $record): LogRecord
{
$context = $record->context;
$context['source'] = 'ops.' . $_ENV['ENVIRONMENT'];
$context['host'] = 'ops.' . $_ENV['ENVIRONMENT'];
return $record->with(context: $context);
}
}
方法二:自定义格式化器(推荐)
更优雅的解决方案是创建自定义的JSON格式化器,直接控制最终的日志输出格式:
namespace App\Monolog\Formatter;
use Monolog\Formatter\FormatterInterface;
use Monolog\LogRecord;
use stdClass;
class JsonFormatter implements FormatterInterface
{
public function format(LogRecord $record)
{
$output = new stdClass;
$output->source = 'subdomainhere.' . $_ENV['ENVIRONMENT'];
$output->host = 'subdomainhere.' . $_ENV['ENVIRONMENT'];
$output->context = $record->context;
$output->message = $record->message;
$output->timestamp = date(DATE_ISO8601);
return json_encode($output).PHP_EOL;
}
public function formatBatch(array $records)
{
foreach ($records as $key => $record) {
$records[$key] = $this->format($record);
}
return $records;
}
}
方案对比
方案 | 优点 | 缺点 |
---|---|---|
上下文方式 | 保持Monolog原生结构 | 源信息会嵌套在context中 |
自定义格式化器 | 完全控制输出结构 | 需要实现完整格式化逻辑 |
最佳实践建议
-
生产环境推荐:使用自定义格式化器方案,可以完全控制日志结构,便于日志收集系统解析。
-
多环境处理:如示例所示,结合环境变量(
$_ENV['ENVIRONMENT']
)可以轻松实现多环境区分。 -
性能考虑:如果日志量很大,建议在格式化器中缓存不变的值(如环境名称)。
-
字段标准化:建议团队统一日志字段命名规范,如使用小写字母和下划线分隔。
总结
Monolog v3通过更严格的对象封装提高了代码的健壮性。虽然不再允许随意添加字段,但通过上下文或自定义格式化器的方式,开发者仍然可以灵活地控制日志输出内容。自定义格式化器方案尤其适合需要将特定字段放在日志顶层的场景,是在容器化环境中区分日志源的理想解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0135AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
232
2.32 K

仓颉编译器源码及 cjdb 调试工具。
C++
113
78

暂无简介
Dart
534
117

React Native鸿蒙化仓库
JavaScript
216
291

Ascend Extension for PyTorch
Python
76
106

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
9
1

🎉 (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
993
588

仓颉编程语言测试用例。
Cangjie
34
61

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
130
648