在上一篇文章中我实现了一个反对 Debug、Info、Error 等多个级别的日志库，并将日志写到了磁盘文件中，代码比较简单，适宜练手。有趣味的能够通过这个链接返回：https://github.com/bosima/ylo…
工程实际中，咱们往往还须要对日志进行采集，将日志归集到一起，而后用于各种解决剖析，比方生产环境上的谬误剖析、异样告警等等。在日志音讯零碎畛域，Kafka 久负盛名，这篇文章就以将日志发送到 Kafka 来实现日志的采集；同时思考到日志剖析时对结构化数据的需要，这篇文章还会提供一种输入 Json 格局日志的办法。
这个升级版的日志库还要放弃向前兼容，即还可能应用一般文本格式，以及写日志到磁盘文件，这两个个性和要新增的两个性能别离属于同类解决，因而我这里对它们进行形象，造成两个接口：格式化接口、写日志接口。
格式化接口
所谓格式化，就是日志的格局解决。这个日志库目前要反对两种格局：一般文本和 Json。
为了在不同格局之上提供一个对立的形象，ylog 中定义 logEntry 来代表一条日志：
type logEntry struct {
Ts time.Time `json:"ts"`
File string `json:"file"`
Line int `json:"line"`
Level LogLevel `json:"level"`
Msg string `json:"msg"`
}格式化接口的能力就是将日志从 logEntry 格局转化为其它某种数据格式。ylog 中对它的定义是：
type LoggerFormatter interface {Format(*logEntry, *[]byte) error
}第 1 个参数是一个 logEntry 实例，也就是要被格式化的日志，第 2 个参数是日志格式化之后要写入的容器。
一般文本格式化器
其实现是这样的：
type textFormatter struct {
}
func NewTextFormatter() *textFormatter {return &textFormatter{}
}
func (f *textFormatter) Format(entry *logEntry, buf *[]byte) error {formatTime(buf, entry.Ts)
*buf = append(*buf, ' ')
file := toShort(entry.File)
*buf = append(*buf, file...)
*buf = append(*buf, ':')
itoa(buf, entry.Line, -1)
*buf = append(*buf, ' ')
*buf = append(*buf, levelNames[entry.Level]...)
*buf = append(*buf, ' ')
*buf = append(*buf, entry.Msg...)
return nil
}能够看到它的次要性能就是将 logEntry 中的各个字段依照某种程序平铺开来，两头用空格分隔。
其中的很多数据处理办法参考了 Golang 规范日志库中的数据格式化解决代码，有趣味的能够去 Github 中具体查看。
这里对日期工夫格式化为字符串做了特地的优化，在规范日志库中为了将年、月、日、时、分、秒、毫秒、微秒等格式化指定长度的字符串，应用了一个函数：
func itoa(buf *[]byte, i int, wid int) {
// Assemble decimal in reverse order.
var b [20]byte
bp := len(b) - 1
for i >= 10 || wid > 1 {
wid--
q := i / 10
b[bp] = byte('0' + i - q*10)
bp--
i = q
}
// i < 10
b[bp] = byte('0' + i)
*buf = append(*buf, b[bp:]...)
}其逻辑大略就是将数字中的每一位转换为字符并存入 byte 中，留神这里初始化 byte 数组的时候是 20 位，这是 int64 最大的数字位数。
其实工夫字符串中的每个局部位数都是固定的，比方年是 4 位、月日时分秒都是 2 位，基本不须要 20 位，所以这个空间能够节俭；还有这里用了循环，这对于 CPU 的分支预测可能有那么点影响，所以我这里别离对不同位数写了专门的格式化办法，以 2 位数为例：
func itoa2(buf *[]byte, i int) {
q := i / 10
s := byte('0' + i - q*10)
f := byte('0' + q)
*buf = append(*buf, f, s)
}Json 文本格式化器
其实现是这样的：
type jsonFormatter struct {
}
func NewJsonFormatter() *jsonFormatter {return &jsonFormatter{}
}
func (f *jsonFormatter) Format(entry *logEntry, buf *[]byte) (err error) {entry.File = toShortFile(entry.File)
jsonBuf, err := json.Marshal(entry)
*buf = append(*buf, jsonBuf...)
return
}代码也很简略，应用规范库的 json 序列化办法将 logEntry 实例转化为 Json 格局的数据。
对于 Json 格局，后续思考反对用户自定义 Json 字段，这里临时先简略解决。
写日志接口
写日志就是将日志输入到别的指标，比方 ylog 要反对的输入到磁盘文件、输入到 Kafka 等。
前边格式化接口将格式化后的数据封装到了 []byte 中，写日志接口就是将格式化解决的输入 []byte 写到某种输入指标中。参考 Golang 中各种 Writer 的定义，ylog 中对它的定义是：
type LoggerWriter interface {Ensure(*logEntry) error
Write([]byte) error
Sync() error
Close() error}这里有 4 个办法：
- Ensure 确保输入指标曾经筹备好接收数据，比方关上要写入的文件、创立 Kafka 连贯等等。
- Write 向输入指标写数据。
- Sync 要求输入指标将缓存长久化，比方写数据到磁盘时，操作系统会有缓存，通过这个办法要求缓存数据写入磁盘。
- Close 写日志完结，敞开输入指标。
写日志到文件
这里定义一个名为 fileWriter 的类型，它须要实现 LoggerWriter 的接口。
先看类型的定义：
type fileWriter struct {
file *os.File
lastHour int64
Path string
}蕴含四个字段：
- file 要输入的文件对象。
- lastHour 依照小时创立文件的须要。
- Path 日志文件的根门路。
再看其实现的接口：
func (w *fileWriter) Ensure(entry *logEntry) (err error) {
if w.file == nil {f, err := w.createFile(w.Path, entry.Ts)
if err != nil {return err}
w.lastHour = w.getTimeHour(entry.Ts)
w.file = f
return nil
}
currentHour := w.getTimeHour(entry.Ts)
if w.lastHour != currentHour {_ = w.file.Close()
f, err := w.createFile(w.Path, entry.Ts)
if err != nil {return err}
w.lastHour = currentHour
w.file = f
}
return
}
func (w *fileWriter) Write(buf []byte) (err error) {buf = append(buf, '\n')
_, err = w.file.Write(buf)
return
}
func (w *fileWriter) Sync() error {return w.file.Sync()
}
func (w *fileWriter) Close() error {return w.file.Close()
}Ensure 中的次要逻辑是创立以后要写入的文件对象，如果小时数变了，先把之前的敞开，再创立一个新的文件。
Write 把数据写入到文件对象，这里加了一个换行符，也就是说对于文件日志，其每条日志最初都会有一个换行符，这样比拟不便浏览。
Sync 调用文件对象的 Sync 办法，将日志从操作系统缓存刷到磁盘。
Close 敞开以后文件对象。
写日志到 Kafka
这里定义一个名为 kafkaWriter 的类型，它也须要实现 LoggerWriter 的接口。
先看其构造体定义：
type kafkaWriter struct {
Topic string
Address string
writer *kafka.Writer
batchSize int
}这里蕴含四个字段：
Topic 写 Kafka 时须要一个主题，这里默认以后 Logger 中所有日志应用同一个主题。
Address Kafka 的拜访地址。
writer 向 Kafka 写数据时应用的 Writer，这里集成的是：github.com/segmentio/kafka-go，反对主动重试和重连。
batchSize Kafka 写日志的批次大小，批量写能够进步日志的写效率。
再看其实现的接口：
func (w *kafkaWriter) Ensure(curTime time.Time) (err error) {
if w.writer == nil {
w.writer = &kafka.Writer{Addr: kafka.TCP(w.Address),
Topic: w.Topic,
BatchSize: w.batchSize,
Async: true,
}
}
return
}
func (w *kafkaWriter) Write(buf []byte) (err error) {
// buf will be reused by ylog when this method return,
// with aysnc write, we need copy data to a new slice
kbuf := append([]byte(nil), buf...)
err = w.writer.WriteMessages(context.Background(),
kafka.Message{Value: kbuf},
)
return
}
func (w *kafkaWriter) Sync() error {return nil}
func (w *kafkaWriter) Close() error {return w.writer.Close()
}这里采纳的是异步发送到 Kafka 的形式，WriteMessages 办法不会阻塞，因为传入的 buf 要被 ylog 重用，所以这里 copy 了一下。异步还会存在的一个问题就是不会返回谬误，可能失落数据，不过对于日志这种数据，没有那么严格的要求，也能够承受。
如果采纳同步发送，因为批量发送比拟有效率，这里能够攒几条再发，但日志比拟稠密时，可能短时间很难攒够，就会呈现长时间等不到日志的状况，所以还要有个超时机制，这有点麻烦，不过我也写了一个版本，有趣味的能够去看看：https://github.com/bosima/ylo…
接口的组装
有了格式化接口和写日志接口，下一步就是将它们组装起来，以实现相应的解决能力。
首先是创立它们，因为我这里也没有动静配置的需要，所以就放到创立 Logger 实例的时候了，这样比较简单。
func NewYesLogger(opts ...Option) (logger *YesLogger) {logger = &YesLogger{}
...
logger.writer = NewFileWriter("logs")
logger.formatter = NewTextFormatter()
for _, opt := range opts {opt(logger)
}
...
return
}能够看到默认的 formatter 是 textFormatter，默认的 writer 是 fileWriter。这个函数传入的 Option 其实是个函数，在下边的 opt(logger) 中会执行它们，所以应用其它的 Formatter 或者 Writer 能够这样做：
logger := ylog.NewYesLogger(
...
ylog.Writer(ylog.NewKafkaWriter(address, topic, writeBatchSize)),
ylog.Formatter(ylog.NewJsonFormatter()),
)这里 ylog.Writer 和 ylog.Formatter 就是合乎 Option 类型的函数，调用它们能够设置不同的 Formatter 和 Writer。
而后怎么应用它们呢？
...
l.formatter.Format(entry, &buf)
l.writer.Ensure(entry)
err := l.writer.Write(buf)
...当 logEntry 进入音讯解决环节后，首先调用 formatter 的 Format 办法格式化 logEntry；而后调用了 writer 的 Ensure 办法确保 writer 曾经筹备好，最初调用 writer 的 Write 办法将格式化之后的数据输入到对应的指标。
为什么不将 Ensure 办法放到 Write 中呢？这是因为目前写文本日志的时候须要依据 logEntry 中的日志工夫创立日志文件，这样就须要给 Writer 传递两个参数，有点顺当，所以这里将它们离开了。
如何进步日志解决的吞吐量
Kafka 的吞吐量是很高的，那么如果放到 ylog 本身来说，如何进步它的吞吐量呢？
首先想到的就是 Channel，能够应用有缓冲的 Channel 模仿一个队列，生产者不停的向 Channel 发送数据，如果 Writer 能够始终在缓冲被填满之前将数据取走，那么实践上说生产者就是非阻塞的，相比同步输入到某个 Writer，没有间接磁盘 IO、网络 IO，日志解决的吞吐量必将大幅晋升。
定义一个 Channel，其容量默认为以后机器逻辑处理器的数量：
logger.pipe = make(chan *logEntry, runtime.NumCPU())发送数据的代码：
entry := &logEntry{
Level: level,
Msg: s,
File: file,
Line: line,
Ts: now,
}
l.pipe <- entry接收数据的代码：
for {
select {
case entry := <-l.pipe:
// reuse the slice memory
buf = buf[:0]
l.formatter.Format(entry, &buf)
l.writer.Ensure(entry.Ts)
err := l.writer.Write(buf)
...
}
}实际效果怎么样呢？看下 Benchmark：
goos: darwin
goarch: amd64
pkg: github.com/bosima/ylog
cpu: Intel(R) Core(TM) i5-8259U CPU @ 2.30GHz
BenchmarkInfo-8 1332333 871.6 ns/op 328 B/op 4 allocs/op这个后果能够和 zerolog、zap 等高性能日志库一较高下了，当然目前能够做的事件要比它们简略很多。
如果对 Java 有所理解的同学应该据说过 log4j，在 log4j2 中引入了一个名为 Disruptor 的组件，它让日志解决飞快了起来，受到很多 Java 开发者的追捧。Disruptor 之所以这么厉害，是因为它应用了无锁并发、环形队列、缓存行填充等多种高级技术。
相比之下，Golang 的 Channel 尽管也应用了环形缓冲，然而还是应用了锁，作为队列来说性能并不是最优的。
Golang 中有没有相似的货色呢？最近进去的 ZenQ 可能是一个不错的抉择，不过看似还不太稳固，过段时间再尝试下。有趣味的能够去看看：https://github.com/alphadose/…。
好了，以上就是本文的次要内容。对于 ylog 的介绍也告一段落了，后续会在 Github 上继续更新，减少更多有用的性能，并一直优化解决性能，欢送关注：https://github.com/bosima/ylog。
播种更多架构常识，请关注微信公众号 萤火架构。原创内容，转载请注明出处。