因为线上业务量级比拟大(日申请上亿,日活用户几十万),同时业务波及逻辑很简单,线上日志级别咱们采纳的是 info 级别,导致线上日志量十分宏大,常常遇到因为日志写入太慢导致的性能瓶颈(各微服务每小时日志量加在一起约小 1000G)。上面将咱们做的日志性能晋升与精简日志的标准列出,供大家参考。咱们应用的日志框架是 Log4j2
1. 应用 Log4j2 异步日志
首先,举荐日志量大的时候,采纳异步日志进行日志输入。益处是在 RingBuffer 满之前,调用日志 api 打印日志的时候不会阻塞。害处是减少日志失落的可能性,例如在过程异样退出的时候(例如 kill -9),在 RingBuffer 中的还没输入到文件的日志事件就会失落。
这里简略说一下 Log4j2 异步日志的原理:Log4j2 异步日志基于高性能数据结构 Disruptor,Disruptor 是一个环形 buffer,做了很多性能优化(具体原理能够参考我的另一系列:高并发数据结构(disruptor)),Log4j2 对此的利用如下所示:
简略来说,多线程通过 log4j2 的门面类 org.apache.logging.log4j.Logger
进行日志输入,被封装成为一个 org.apache.logging.log4j.core.LogEvent
,放入到 Disruptor 的环形 buffer 中。在生产端有一个单线程生产这些 LogEvent 写入对应的 Appender,假如咱们这里只有一个 Appender,其配置是将所有日志输入到一个文件:
<RollingFile name="file" append="true"
filePattern="./app.log-%d{yyyy.MM.dd.HH}" immediateFlush="false">
<PatternLayout pattern="${logFormat}"/>
<Policies>
<TimeBasedTriggeringPolicy interval="1" modulate="true"/>
</Policies>
<DirectWriteRolloverStrategy maxFiles="72"/>
</RollingFile>
异步日志 logger 配置为(配置 includeLocation
为 false,防止每次打印日志须要获取调用堆栈的性能损耗,这个咱们前面会提到),这里的日志级别是 info:
<Asyncroot level="info" includeLocation="false">
<appender-ref ref="file"/>
</Asyncroot>
log4j component 额定配置为:
log4j2.component.properties
:
# 当没有日志的时候,打印日志的单线程通过 SLEEP 期待日志事件到来。这样 CPU 占用较少的同时,也能在日志到来时唤醒打印日志的单线程提早较低,这个前面会详细分析
# 咱们还进一步将其中的 Thread.yield() 批改为了 Thread.spinWait()
AsyncLoggerConfig.WaitStrategy=SLEEP
2. 敞开 includeLocation,在日志内容中退出标记地位的标记
日志中咱们可能会须要输入以后输入的日志对应代码中的哪一类的哪一办法的哪一行,这个须要在运行时获取堆栈。获取堆栈,无论是在 Java 9 之前通过 Thorwable.getStackTrace()
,还是通过 Java 9 之后的 StackWalker
,获取以后代码堆栈,都是一个十分耗费 CPU 性能的操作。在大量输入日志的时候,会成为 重大的性能瓶颈,其起因是:
- 获取堆栈属于从 Java 代码运行,切换到 JVM 代码运行,是 JNI 调用。这个切换是有性能损耗的。
- Java 9 之前通过新建异样获取堆栈,Java 9 之后通过 Stackwalker 获取。这两种形式,截止目前 Java 17 版本,都在高并发状况下,有重大的性能问题,会吃掉大量 CPU。次要是底层 JVM 符号与常量池优化的问题。
所以,咱们在日志中不打印所在类办法。然而能够本人在日志中增加类名办法名用于疾速定位问题代码。个别 IDE 中会有这种模本辅助,例如我在 IDEA 中就自定义了这个快捷模板:
快捷键 cm
之后按 tab 就会变成 类名 - 办法名 的字符串。
3. 配置 Disruptor 的期待策略为 SLEEP,然而最好能将其中的 Thread.yield 批改为 Thread.onSpinWait (这个批改仅针对 x86 机器部署)
Disruptor 的消费者做的事件其实就是一直查看是否有音讯到来,其实就是某个状态位是否就绪,就绪后读取音讯进行生产。至于如何一直查看,这个就是期待策略。Disruptor 中有很多期待策略,相熟多处理器编程的对于期待策略必定不会生疏,在这里能够简略了解为当工作没有到来时,线程应该如何期待并且让出 CPU 资源能力在工作到来时尽量快的开始工作。在 Log4j2 中,异步日志基于 Disruptor,同时应用 AsyncLoggerConfig.WaitStrategy
这个环境变量对于 Disruptor 的期待策略进行配置,目前最新版本的 Log4j2 中能够配置:
switch (strategyUp) {
case "SLEEP":
final long sleepTimeNs =
parseAdditionalLongProperty(propertyName, "SleepTimeNs", 100L);
final String key = getFullPropertyKey(propertyName, "Retries");
final int retries =
PropertiesUtil.getProperties().getIntegerProperty(key, 200);
return new SleepingWaitStrategy(retries, sleepTimeNs);
case "YIELD":
return new YieldingWaitStrategy();
case "BLOCK":
return new BlockingWaitStrategy();
case "BUSYSPIN":
return new BusySpinWaitStrategy();
case "TIMEOUT":
return new TimeoutBlockingWaitStrategy(timeoutMillis, TimeUnit.MILLISECONDS);
default:
return new TimeoutBlockingWaitStrategy(timeoutMillis, TimeUnit.MILLISECONDS);
}
咱们这里应用其中策略最为平衡的 SleepingWaitStrategy。在以后的大多数利用中,线程的个数都远大于 CPU 的个数,甚至是 RUNNABLE 的线程个数都远大于 CPU 个数,应用基于 Wait 的 BusySpinWaitStrategy 会导致业务闲时忽然来业务顶峰的时候,日志生产线程唤醒的不够及时(CPU 始终被大量的 RUNNABLE 业务线程抢占)。如果应用比拟激进的 BusySpinWaitStrategy(始终调用 Thread.onSpinWait()
)或者 YieldingWaitStrategy(先 SPIN 之后始终调用 Thread.yield()
),则闲时也会有较高的 CPU 占用。咱们冀望的是一种递进的期待策略,例如:
- 在肯定次数内,一直 SPIN,应答日志量特地多的时候,缩小线程切换耗费。
- 在超过肯定次数之后,开始一直的调用
Thread.onSpinWait()
或者Thread.yield()
,使以后线程让出 CPU 资源,应答间断性的日志顶峰。 - 在第二步达到肯定次数后,应用 Wait,或者
Thread.sleep()
这样的函数阻塞以后线程,应答日志低峰的时候,缩小 CPU 耗费。
SleepingWaitStrategy 就是这样一个策略,第二步采纳的是 Thread.yield()
,第三步采纳的是 Thread.sleep()
。同时,咱们批改其中的 Thread.yield()
为 Thread.onSpinWait()
,起因是:咱们部署到的环境是 x86 的机器,在 x86 的环境下 Thread.onSpinWait()
在被调用肯定次数后,C1 编译器就会将其替换成应用 PAUSE 这个 x86 指令实现。参考 JVM 源码:
x86.ad
instruct onspinwait() %{match(OnSpinWait);
ins_cost(200);
format %{
$$template
$$emit$$"pause\t! membar_onspinwait"
%}
ins_encode %{__ pause();
%}
ins_pipe(pipe_slow);
%}
咱们晓得,CPU 并不会总间接操作内存,而是以缓存行读取后,缓存在 CPU 高速缓存上。然而对于这种一直查看查看某个状态位是否就绪的代码,一直读取 CPU 高速缓存,会在以后 CPU 从总线收到这个 CPU 高速缓存曾经生效之前,都认为这个状态为没有变动。在业务忙时,总线可能十分忙碌,导致 SleepingWaitStrategy 的第二步始终查看不到状态位的更新导致进入第三步。
PAUSE 指令(参考:https://www.felixcloutier.com…)是针对这种期待策略实现而产生的一个非凡指令,它会通知处理器所执行的代码序列是一个一直查看某个状态位是否就绪的代码(即 spin-wait loop),这样的话,而后 CPU 分支预测就会据这个提醒而避开内存序列抵触,CPU 就不会将这块读取的内存进行缓存 ,也就是说对 spin-wait loop 不做缓存,不做指令
从新排序等动作。从而进步 spin-wait loop 的执行效率。
这个指令使得针对 spin-wait loop 这种场景,Thread.onSpinWait()
的效率要比 Thread.yield()
的效率要高。所以,咱们批改 SleepingWaitStrategy 的 Thread.yield()
为 Thread.onSpinWait()
。
4. 自定义异样格式化插件,缩小在异样集中产生的时候,因为打印异样栈日志量过大导致进一步的性能问题
其实 JVM 有参数 -XX:+OmitStackTraceInFastThrow
能够在某一个异样抛出过多次数时,主动省略异样堆栈。然而这个害处在于:
- 对于某个新异样,赶上流量顶峰忽然输入很多异样,还是会有很多日志打印进去。
- 对于一个曾经启动很久的过程,比方在 1 月 1 日抛出了很多 A 异样,在 3 月 1 日又抛出 A 异样却没有异样栈,这样很难寻找这个异样栈在哪里。
因为咱们我的项目中应用了各种框架,有的应用了异步框架,导致异样栈会十分十分长(有的甚至有 1000 行),所以其实最合乎咱们需要的是:
- 每次异样都输入异样栈
- 然而异样栈只包含咱们关怀的包,其余的包都被省略
然而 Log4j2 官网只是提供了黑名单包的配置,也就是哪些包的异样栈被省略掉:
其实咱们须要就是将这个黑名单变成白名单。于是,针对这种状况,咱们依据官网源码,将其中的黑名单的判断取反,从黑名单变成了白名单。并创立自定义异样格式化插件:
import org.apache.logging.log4j.core.LogEvent;
import org.apache.logging.log4j.core.config.Configuration;
import org.apache.logging.log4j.core.config.plugins.Plugin;
import org.apache.logging.log4j.core.impl.CustomizedThrowableProxyRenderer;
import org.apache.logging.log4j.core.impl.ThrowableProxy;
import org.apache.logging.log4j.core.pattern.ConverterKeys;
import org.apache.logging.log4j.core.pattern.PatternConverter;
import org.apache.logging.log4j.core.pattern.ThrowablePatternConverter;
@Plugin(name = "CustomizedThrowablePatternConverter", category = PatternConverter.CATEGORY)
// 配置 key 是 %cusEx 或者 %cusThrowable 或者 %cusException
@ConverterKeys({"cusEx", "cusThrowable", "cusException"})
public class CustomizedThrowablePatternConverter extends ThrowablePatternConverter {public static CustomizedThrowablePatternConverter newInstance(final Configuration config, final String[] options) {return new CustomizedThrowablePatternConverter(config, options);
}
private CustomizedThrowablePatternConverter(final Configuration config, final String[] options) {super("CustomizedThrowable", "throwable", options, config);
}
@Override
public void format(final LogEvent event, final StringBuilder toAppendTo) {final ThrowableProxy proxy = event.getThrownProxy();
final Throwable throwable = event.getThrown();
if ((throwable != null || proxy != null) && options.anyLines()) {if (proxy == null) {super.format(event, toAppendTo);
return;
}
final int len = toAppendTo.length();
if (len > 0 && !Character.isWhitespace(toAppendTo.charAt(len - 1))) {toAppendTo.append(' ');
}
// 这里的 CustomizedThrowableProxyRenderer 其实就是将 log4j2 的 ThrowableProxyRenderer 代码复制一份,之后将其中的黑名单判断取反,变成白名单
CustomizedThrowableProxyRenderer.formatExtendedStackTraceTo(proxy, toAppendTo, options.getIgnorePackages(),
options.getTextRenderer(), getSuffix(event), options.getSeparator());
}
}
}
之后通过 layout %cusEx{filters(java, com.mycompany)}
,这样异样栈就只会输入这些包结尾的异样堆栈,这里是 java 和 com.mycompany 结尾的,输入的堆栈相似于:
... suppressed 27 lines
at com.mycompany.spring.cloud.parent.web.common.undertow.jfr.JFRTracingFilter.doFilter(JFRTracingFilter.java:40) ~[spring-cloud-parent-web-common-2020.0.3-SNAPSHOT.jar!/:2020.0.3-SNAPSHOT]
at com.mycompany.spring.cloud.parent.web.common.undertow.jfr.LazyJFRTracingFilter.doFilter(LazyJFRTracingFilter.java:23) ~[spring-cloud-parent-web-common-2020.0.3-SNAPSHOT.jar!/:2020.0.3-SNAPSHOT]
... suppressed 46 lines
Caused by: com.alibaba.fastjson.JSONException: write javaBean error, fastjson version 1.2.75, class com.hopegaming.factsCenter.query.revo.controller.frontend.share.matches.MatchController$EventVO, fieldName : data
... suppressed 8 lines
... 74 more
Caused by: java.lang.NullPointerException
at com.mycompany.OrderController.postOrder(OrderController.java:103) ~[classes!/:2020.0.3-SNAPSHOT]
... suppressed 13 lines
... 74 more
5. 监控 RingBuffer 的使用率大小,如果使用率超过肯定比例并且继续一段时间,证实利用写日志过忙,须要进行动静扩容,并且临时将流量从这个实例切走一部分
log4j2 disruptor 的 RingBuffer 既然是一个环形 Buffer,它的容量是无限的,咱们这里没有批改它的大小,走的是默认配置,查看其源码:
AsyncLoggerConfigDisruptor.java
public synchronized void start() {
// 省略其余代码
ringBufferSize = DisruptorUtil.calculateRingBufferSize("AsyncLoggerConfig.RingBufferSize");
disruptor = new Disruptor<>(factory, ringBufferSize, threadFactory, ProducerType.MULTI, waitStrategy);
}
DisruptorUtil.java
private static final int RINGBUFFER_MIN_SIZE = 128;
private static final int RINGBUFFER_DEFAULT_SIZE = 256 * 1024;
private static final int RINGBUFFER_NO_GC_DEFAULT_SIZE = 4 * 1024;
static int calculateRingBufferSize(final String propertyName) {
// 是否启用了 ThreadLocal,如果是则为 4 kB,不是则为 256 kB
int ringBufferSize = Constants.ENABLE_THREADLOCALS ? RINGBUFFER_NO_GC_DEFAULT_SIZE : RINGBUFFER_DEFAULT_SIZE;
// 读取零碎变量,以及 log4j2.component.properties 文件获取 propertyName(这里是 AsyncLoggerConfig.RingBufferSize) 这个配置
final String userPreferredRBSize = PropertiesUtil.getProperties().getStringProperty(propertyName,
String.valueOf(ringBufferSize));
try {int size = Integer.parseInt(userPreferredRBSize);
// 如果小于 128 字节则依照 128 字节设置
if (size < RINGBUFFER_MIN_SIZE) {
size = RINGBUFFER_MIN_SIZE;
LOGGER.warn("Invalid RingBufferSize {}, using minimum size {}.", userPreferredRBSize,
RINGBUFFER_MIN_SIZE);
}
ringBufferSize = size;
} catch (final Exception ex) {LOGGER.warn("Invalid RingBufferSize {}, using default size {}.", userPreferredRBSize, ringBufferSize);
}
// 取最近的 2 的 n 次方,因为对于 2 的 n 次方取余等于对于 2^n-1 取与运算,这样更快
return Integers.ceilingNextPowerOfTwo(ringBufferSize);
}
如果启用了 ThreadLocal 这种形式生成 LogEvent,每次不新生成的 LogEvent 用之前的,用 ThreadLocal 存储的,这样防止了创立新的 LogEvent。然而思考上面这种状况:
logger.info("{}", someObj);
这样会造成强援用,导致如果线程没有新的日志,这个 someObj
始终不能回收。所以 针对 Web 利用,log4j2 默认是不启用 ThreadLocal 的 形式生成 LogEvent:
Constants.java
public static final boolean IS_WEB_APP = PropertiesUtil.getProperties().getBooleanProperty("log4j2.is.webapp", isClassAvailable("javax.servlet.Servlet"));
public static final boolean ENABLE_THREADLOCALS = !IS_WEB_APP && PropertiesUtil.getProperties().getBooleanProperty("log4j2.enable.threadlocals", true);
由此,能够看出,咱们的 RingBuffer 的大小为 256 kB。
RingBuffer 满了 log4j2 会产生什么?当 RingBuffer 满了,如果在 log4j2.component.properties
配置了 AsyncLoggerConfig.SynchronizeEnqueueWhenQueueFull=false
,则会 Wait(其实是 park)在 Disruptor 的 produce 办法上,期待生产出下一个能够生产的环形 buffer 槽;默认这个配置为 true,即 所有生产日志的线程尝试获取全局中的同一个锁(private final Object queueFullEnqueueLock = new Object();
):
DisruptorUtil.java
static final boolean ASYNC_CONFIG_SYNCHRONIZE_ENQUEUE_WHEN_QUEUE_FULL = PropertiesUtil.getProperties()
.getBooleanProperty("AsyncLoggerConfig.SynchronizeEnqueueWhenQueueFull", true);
private boolean synchronizeEnqueueWhenQueueFull() {
return DisruptorUtil.ASYNC_CONFIG_SYNCHRONIZE_ENQUEUE_WHEN_QUEUE_FULL
// Background thread must never block
&& backgroundThreadId != Thread.currentThread().getId();
}
private final Object queueFullEnqueueLock = new Object();
private void enqueue(final LogEvent logEvent, final AsyncLoggerConfig asyncLoggerConfig) {
// 如果 AsyncLoggerConfig.SynchronizeEnqueueWhenQueueFull=true,默认就是 true
if (synchronizeEnqueueWhenQueueFull()) {synchronized (queueFullEnqueueLock) {disruptor.getRingBuffer().publishEvent(translator, logEvent, asyncLoggerConfig);
}
} else {
// 如果 AsyncLoggerConfig.SynchronizeEnqueueWhenQueueFull=false
disruptor.getRingBuffer().publishEvent(translator, logEvent, asyncLoggerConfig);
}
}
默认配置的时候,异样堆栈和咱们 JFR 中看到的一样,举个例子:
"Thread-0" #27 [13136] prio=5 os_prio=0 cpu=0.00ms elapsed=141.08s tid=0x0000022d6f2fbcc0 nid=0x3350 waiting for monitor entry [0x000000399bcfe000]
java.lang.Thread.State: BLOCKED (on object monitor)
at org.apache.logging.log4j.core.async.AsyncLoggerConfigDisruptor.enqueue(AsyncLoggerConfigDisruptor.java:375)
- waiting to lock <merged>(a java.lang.Object)
at org.apache.logging.log4j.core.async.AsyncLoggerConfigDisruptor.enqueueEvent(AsyncLoggerConfigDisruptor.java:330)
at org.apache.logging.log4j.core.async.AsyncLoggerConfig.logInBackgroundThread(AsyncLoggerConfig.java:159)
at org.apache.logging.log4j.core.async.EventRoute$1.logMessage(EventRoute.java:46)
at org.apache.logging.log4j.core.async.AsyncLoggerConfig.handleQueueFull(AsyncLoggerConfig.java:149)
at org.apache.logging.log4j.core.async.AsyncLoggerConfig.logToAsyncDelegate(AsyncLoggerConfig.java:136)
at org.apache.logging.log4j.core.async.AsyncLoggerConfig.log(AsyncLoggerConfig.java:116)
at org.apache.logging.log4j.core.config.LoggerConfig.log(LoggerConfig.java:460)
at org.apache.logging.log4j.core.config.AwaitCompletionReliabilityStrategy.log(AwaitCompletionReliabilityStrategy.java:82)
at org.apache.logging.log4j.core.Logger.log(Logger.java:162)
at org.apache.logging.log4j.spi.AbstractLogger.tryLogMessage(AbstractLogger.java:2190)
at org.apache.logging.log4j.spi.AbstractLogger.logMessageTrackRecursion(AbstractLogger.java:2144)
at org.apache.logging.log4j.spi.AbstractLogger.logMessageSafely(AbstractLogger.java:2127)
at org.apache.logging.log4j.spi.AbstractLogger.logMessage(AbstractLogger.java:2003)
at org.apache.logging.log4j.spi.AbstractLogger.logIfEnabled(AbstractLogger.java:1975)
at org.apache.logging.log4j.spi.AbstractLogger.info(AbstractLogger.java:1312)
省略业务办法堆栈
配置为 false 的时候,堆栈是这个样子的:
"Thread-0" #27 [18152] prio=5 os_prio=0 cpu=0.00ms elapsed=5.68s tid=0x000002c1fa120e00 nid=0x46e8 runnable [0x000000eda8efe000]
java.lang.Thread.State: TIMED_WAITING (parking)
at jdk.internal.misc.Unsafe.park(java.base@17-loom/Native Method)
at java.util.concurrent.locks.LockSupport.parkNanos(java.base@17-loom/LockSupport.java:410)
at com.lmax.disruptor.MultiProducerSequencer.next(MultiProducerSequencer.java:136)
at com.lmax.disruptor.MultiProducerSequencer.next(MultiProducerSequencer.java:105)
at com.lmax.disruptor.RingBuffer.publishEvent(RingBuffer.java:524)
at org.apache.logging.log4j.core.async.AsyncLoggerConfigDisruptor.enqueue(AsyncLoggerConfigDisruptor.java:379)
at org.apache.logging.log4j.core.async.AsyncLoggerConfigDisruptor.enqueueEvent(AsyncLoggerConfigDisruptor.java:330)
at org.apache.logging.log4j.core.async.AsyncLoggerConfig.logInBackgroundThread(AsyncLoggerConfig.java:159)
at org.apache.logging.log4j.core.async.EventRoute$1.logMessage(EventRoute.java:46)
at org.apache.logging.log4j.core.async.AsyncLoggerConfig.handleQueueFull(AsyncLoggerConfig.java:149)
at org.apache.logging.log4j.core.async.AsyncLoggerConfig.logToAsyncDelegate(AsyncLoggerConfig.java:136)
at org.apache.logging.log4j.core.async.AsyncLoggerConfig.log(AsyncLoggerConfig.java:116)
at org.apache.logging.log4j.core.config.LoggerConfig.log(LoggerConfig.java:460)
at org.apache.logging.log4j.core.config.AwaitCompletionReliabilityStrategy.log(AwaitCompletionReliabilityStrategy.java:82)
at org.apache.logging.log4j.core.Logger.log(Logger.java:162)
at org.apache.logging.log4j.spi.AbstractLogger.tryLogMessage(AbstractLogger.java:2190)
at org.apache.logging.log4j.spi.AbstractLogger.logMessageTrackRecursion(AbstractLogger.java:2144)
at org.apache.logging.log4j.spi.AbstractLogger.logMessageSafely(AbstractLogger.java:2127)
at org.apache.logging.log4j.spi.AbstractLogger.logMessage(AbstractLogger.java:2003)
at org.apache.logging.log4j.spi.AbstractLogger.logIfEnabled(AbstractLogger.java:1975)
at org.apache.logging.log4j.spi.AbstractLogger.info(AbstractLogger.java:1312)
对于这种状况,咱们 须要监控。
首先想到的是 过程内部采集零碎指标监控:当初服务都提倡上云,并实现云原生服务。对于云服务,存储日志很可能应用 NFS(Network File System),例如 AWS 的 EFS。这种 NFS 一动都能够动静的管制 IO 最大承载,然而服务的增长是很难预估完满的,并且高并发业务流量根本都是一瞬间达到,仅通过 IO 定时采集很难评估到真正的流量尖峰(例如 IO 定时采集是 5s 一次,然而在某一秒内忽然达到很多流量,导致过程内大多线程阻塞,这之后采集 IO 看到 IO 压力貌似不大的样子)。并且,因为线程的阻塞,导致可能咱们看到的 CPU 占用貌似也不高的样子。所以,内部定时采集指标,很难真正定位到日志流量问题。
而后咱们思考过程本人监控,裸露接口给内部监控定时查看,例如 K8s 的 pod 健康检查等等。在过程的日志写入压力过大的时候,新扩容一个实例;启动实现后,在注册核心将这个日志压力大的过程的状态设置为临时下线(例如 Eureka 置为 OUT_OF_SERVICE
,Nacos 置为 PAUSED
),让流量转发到其余实例。待日志压力小之后,再批改状态为 UP,持续服务。
Log4j2 对于每一个 AsyncLogger 配置,都会创立一个独立的 RingBuffer,例如上面的 Log4j2 配置:
<!-- 省略了除了 loggers 以外的其余配置 -->
<loggers>
<!--default logger -->
<Asyncroot level="info" includeLocation="true">
<appender-ref ref="console"/>
</Asyncroot>
<AsyncLogger name="RocketmqClient" level="error" additivity="false" includeLocation="true">
<appender-ref ref="console"/>
</AsyncLogger>
<AsyncLogger name="com.alibaba.druid.pool.DruidDataSourceStatLoggerImpl" level="error" additivity="false" includeLocation="true">
<appender-ref ref="console"/>
</AsyncLogger>
<AsyncLogger name="org.mybatis" level="error" additivity="false" includeLocation="true">
<appender-ref ref="console"/>
</AsyncLogger>
</loggers>
这个配置蕴含 4 个 AsyncLogger,对于每个 AsyncLogger 都会创立一个 RingBuffer。Log4j2 也思考到了监控 AsyncLogger 这种状况,所以将 AsyncLogger 的监控裸露成为一个 MBean(JMX Managed Bean)。
相干源码如下:
Server.java
private static void registerLoggerConfigs(final LoggerContext ctx, final MBeanServer mbs, final Executor executor)
throws InstanceAlreadyExistsException, MBeanRegistrationException, NotCompliantMBeanException {
// 获取 log4j2.xml 配置中的 loggers 标签下的所有配置值
final Map<String, LoggerConfig> map = ctx.getConfiguration().getLoggers();
// 遍历每个 key,其实就是 logger 的 name
for (final String name : map.keySet()) {final LoggerConfig cfg = map.get(name);
final LoggerConfigAdmin mbean = new LoggerConfigAdmin(ctx, cfg);
// 对于每个 logger 注册一个 LoggerConfigAdmin
register(mbs, mbean, mbean.getObjectName());
// 如果是异步日志配置,则注册一个 RingBufferAdmin
if (cfg instanceof AsyncLoggerConfig) {final AsyncLoggerConfig async = (AsyncLoggerConfig) cfg;
final RingBufferAdmin rbmbean = async.createRingBufferAdmin(ctx.getName());
register(mbs, rbmbean, rbmbean.getObjectName());
}
}
}
创立的 MBean 的类源码:RingBufferAdmin.java
public class RingBufferAdmin implements RingBufferAdminMBean {
private final RingBuffer<?> ringBuffer;
private final ObjectName objectName;
//... 省略其余咱们不关怀的代码
public static final String DOMAIN = "org.apache.logging.log4j2";
String PATTERN_ASYNC_LOGGER_CONFIG = DOMAIN + ":type=%s,component=Loggers,name=%s,subtype=RingBuffer";
// 创立 RingBufferAdmin,名称格局合乎 Mbean 的名称格局
public static RingBufferAdmin forAsyncLoggerConfig(final RingBuffer<?> ringBuffer,
final String contextName, final String configName) {final String ctxName = Server.escape(contextName);
// 对于 RootLogger,这里 cfgName 为空字符串
final String cfgName = Server.escape(configName);
final String name = String.format(PATTERN_ASYNC_LOGGER_CONFIG, ctxName, cfgName);
return new RingBufferAdmin(ringBuffer, name);
}
// 获取 RingBuffer 的大小
@Override
public long getBufferSize() {return ringBuffer == null ? 0 : ringBuffer.getBufferSize();
}
// 获取 RingBuffer 残余的大小
@Override
public long getRemainingCapacity() {return ringBuffer == null ? 0 : ringBuffer.remainingCapacity();
}
public ObjectName getObjectName() {return objectName;}
}
咱们能够通过 JConsole 查看对应的 MBean:
其中 2f0e140b
为 LoggerContext 的 name。
咱们的微服务项目中应用了 spring boot,并且集成了 prometheus。咱们能够通过将 Log4j2 RingBuffer 大小作为指标裸露到 prometheus 中,通过如下代码:
import io.micrometer.core.instrument.Gauge;
import io.micrometer.prometheus.PrometheusMeterRegistry;
import lombok.extern.log4j.Log4j2;
import org.apache.commons.lang3.StringUtils;
import org.apache.logging.log4j.LogManager;
import org.apache.logging.log4j.core.LoggerContext;
import org.apache.logging.log4j.core.jmx.RingBufferAdminMBean;
import org.springframework.beans.factory.ObjectProvider;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.actuate.autoconfigure.metrics.export.ConditionalOnEnabledMetricsExport;
import org.springframework.context.annotation.Configuration;
import org.springframework.context.event.ContextRefreshedEvent;
import org.springframework.context.event.EventListener;
import javax.annotation.PostConstruct;
import javax.management.ObjectName;
import java.lang.management.ManagementFactory;
@Log4j2
@Configuration(proxyBeanMethods = false)
// 须要在引入了 prometheus 并且 actuator 裸露了 prometheus 端口的状况下才加载
@ConditionalOnEnabledMetricsExport("prometheus")
public class Log4j2Configuration {
@Autowired
private ObjectProvider<PrometheusMeterRegistry> meterRegistry;
// 只初始化一次
private volatile boolean isInitialized = false;
// 须要在 ApplicationContext 刷新之后进行注册
// 在加载 ApplicationContext 之前,日志配置就曾经初始化好了
// 然而 prometheus 的相干 Bean 加载比较复杂,并且随着版本更迭改变比拟多,所以就间接偷懒,在整个 ApplicationContext 刷新之后再注册
// ApplicationContext 可能 refresh 屡次,例如调用 /actuator/refresh,还有就是多 ApplicationContext 的场景
// 这里为了简略,通过一个简略的 isInitialized 判断是否是第一次初始化,保障只初始化一次
@EventListener(ContextRefreshedEvent.class)
public synchronized void init() {if (!isInitialized) {
// 通过 LogManager 获取 LoggerContext,从而获取配置
LoggerContext loggerContext = (LoggerContext) LogManager.getContext(false);
org.apache.logging.log4j.core.config.Configuration configuration = loggerContext.getConfiguration();
// 获取 LoggerContext 的名称,因为 Mbean 的名称蕴含这个
String ctxName = loggerContext.getName();
configuration.getLoggers().keySet().forEach(k -> {
try {
// 针对 RootLogger,它的 cfgName 是空字符串,为了显示难看,咱们在 prometheus 中将它命名为 root
String cfgName = StringUtils.isBlank(k) ? "" : k;
String gaugeName = StringUtils.isBlank(k) ? "root" : k;
Gauge.builder(gaugeName + "_logger_ring_buffer_remaining_capacity", () ->
{
try {return (Number) ManagementFactory.getPlatformMBeanServer()
.getAttribute(new ObjectName(
// 依照 Log4j2 源码中的命名形式组装名称
String.format(RingBufferAdminMBean.PATTERN_ASYNC_LOGGER_CONFIG, ctxName, cfgName)
// 获取残余大小,留神这个是严格辨别大小写的
), "RemainingCapacity");
} catch (Exception e) {log.error("get {} ring buffer remaining size error", k, e);
}
return -1;
}).register(meterRegistry.getIfAvailable());
} catch (Exception e) {log.error("Log4j2Configuration-init error: {}", e.getMessage(), e);
}
});
isInitialized = true;
}
}
}
减少这个代码之后,申请 /actuator/prometheus
之后,能够看到对应的返回:
// 省略其余的
# HELP root_logger_ring_buffer_remaining_capacity
# TYPE root_logger_ring_buffer_remaining_capacity gauge
root_logger_ring_buffer_remaining_capacity 262144.0
# HELP org_mybatis_logger_ring_buffer_remaining_capacity
# TYPE org_mybatis_logger_ring_buffer_remaining_capacity gauge
org_mybatis_logger_ring_buffer_remaining_capacity 262144.0
# HELP com_alibaba_druid_pool_DruidDataSourceStatLoggerImpl_logger_ring_buffer_remaining_capacity
# TYPE com_alibaba_druid_pool_DruidDataSourceStatLoggerImpl_logger_ring_buffer_remaining_capacity gauge
com_alibaba_druid_pool_DruidDataSourceStatLoggerImpl_logger_ring_buffer_remaining_capacity 262144.0
# HELP RocketmqClient_logger_ring_buffer_remaining_capacity
# TYPE RocketmqClient_logger_ring_buffer_remaining_capacity gauge
RocketmqClient_logger_ring_buffer_remaining_capacity 262144.0
这样,当这个值为 0 继续一段时间后(就代表 RingBuffer 满了,日志生成速度曾经远大于生产写入 Appender 的速度了),咱们就认为这个利用日志负载过高了。
微信搜寻“我的编程喵”关注公众号,每日一刷,轻松晋升技术,斩获各种 offer: