Golang工程经验（上）
原文作者：吴德宝AllenWu
作为一个C/C++的开发者而言，开启Golang语言开发之路是很容易的，从语法、语义上的理解到工程开发，都能够快速熟悉起来；相比C、C++，Golang语言更简洁，更容易写出高并发的服务后台系统
转战Golang一年有余，经历了两个线上项目的洗礼，总结出一些工程经验，一个是总结出一些实战经验，一个是用来发现自我不足之处
Golang语言简介
Go语言是谷歌推出的一种全新的编程语言，可以在不损失应用程序性能的情况下降低代码的复杂性。Go语言专门针对多处理器系统应用程序的编程进行了优化，使用Go编译的程序可以媲美C或C++代码的速度，而且更加安全、支持并行进程。
基于Golang的IM系统架构
我基于Golang的两个实际线上项目都是IM系统，本文基于现有线上系统做一些总结性、引导性的经验输出。
Golang TCP长连接 & 并发
既然是IM系统，那么必然需要TCP长连接来维持，由于Golang本身的基础库和外部依赖库非常之多，我们可以简单引用基础net网络库，来建立TCP server。一般的TCP Server端的模型，可以有一个协程【或者线程】去独立执行accept，并且是for循环一直accept新的连接，如果有新连接过来，那么建立连接并且执行Connect，由于Golang里面协程的开销非常之小，因此，TCP server端还可以一个连接一个goroutine去循环读取各自连接链路上的数据并处理。当然， 这个在C++语言的TCP Server模型中，一般会通过EPoll模型来建立server端，这个是和C++的区别之处。
关于读取数据，Linux系统有recv和send函数来读取发送数据，在Golang中，自带有io库，里面封装了各种读写方法，如io.ReadFull，它会读取指定字节长度的数据
为了维护连接和用户，并且一个连接一个用户的一一对应的，需要根据连接能够找到用户，同时也需要能够根据用户找到对应的连接，那么就需要设计一个很好结构来维护。我们最初采用map来管理，但是发现Map里面的数据太大，查找的性能不高，为此，优化了数据结构，conn里面包含user，user里面包含conn，结构如下【只包括重要字段】。
1// 一个用户对应一个连接
2type User struct {
3 uid int64
4 conn *MsgConn
5 BKicked bool // 被另外登陆的一方踢下线
6 BHeartBeatTimeout bool // 心跳超时
7 。。。
8}
9
10type MsgConn struct {
11 conn net.Conn
12 lastTick time.Time // 上次接收到包时间
13 remoteAddr string // 为每个连接创建一个唯一标识符
14 user *User // MsgConn与User一一映射
15 。。。
16}建立TCP server 代码片段如下
1func ListenAndServe(network, address string) {
2 tcpAddr, err := net.ResolveTCPAddr(network, address)
3 if err != nil {
4 logger.Fatalf(nil, "ResolveTcpAddr err:%v", err)
5 }
6 listener, err = net.ListenTCP(network, tcpAddr)
7 if err != nil {
8 logger.Fatalf(nil, "ListenTCP err:%v", err)
9 }
10 go accept()
11}
12
13func accept() {
14 for {
15 conn, err := listener.AcceptTCP()
16 if err == nil {
17
18 // 包计数，用来限制频率
19
20 //anti-attack， 黑白名单
21 ...
22
23 // 新建一个连接
24 imconn := NewMsgConn(conn)
25
26 // run
27 imconn.Run()
28 }
29 }
30}
31
32
33func (conn *MsgConn) Run() {
34
35 //on connect
36 conn.onConnect()
37
38 go func() {
39 tickerRecv := time.NewTicker(time.Second * time.Duration(rateStatInterval))
40 for {
41 select {
42 case <-conn.stopChan:
43 tickerRecv.Stop()
44 return
45 case <-tickerRecv.C:
46 conn.packetsRecv = 0
47 default:
48
49 // 在 conn.parseAndHandlePdu 里面通过Golang本身的io库里面提供的方法读取数据，如io.ReadFull
50 conn_closed := conn.parseAndHandlePdu()
51 if conn_closed {
52 tickerRecv.Stop()
53 return
54 }
55 }
56 }
57 }()
58}
59
60// 将 user 和 conn 一一对应起来
61func (conn *MsgConn) onConnect() *User {
62 user := &User{conn: conn, durationLevel: 0, startTime: time.Now(), ackWaitMsgIdSet: make(map[int64]struct{})}
63 conn.user = user
64 return user
65}TCP Server的一个特点在于一个连接一个goroutine去处理，这样的话，每个连接独立，不会相互影响阻塞，保证能够及时读取到client端的数据。如果是C、C++程序，如果一个连接一个线程的话，如果上万个或者十万个线程，那么性能会极低甚至于无法工作，cpu会全部消耗在线程之间的调度上了，因此C、C++程序无法这样玩。Golang的话，goroutine可以几十万、几百万的在一个系统中良好运行。同时对于TCP长连接而言，一个节点上的连接数要有限制策略。
连接超时
每个连接需要有心跳来维持，在心跳间隔时间内没有收到，服务端要检测超时并断开连接释放资源，golang可以很方便的引用需要的数据结构，同时对变量的赋值（包括指针）非常easy
1var timeoutMonitorTree *rbtree.Rbtree
2var timeoutMonitorTreeMutex sync.Mutex
3var heartBeatTimeout time.Duration //心跳超时时间, 配置了默认值ssss
4var loginTimeout time.Duration //登陆超时, 配置了默认值ssss
5
6type TimeoutCheckInfo struct {
7 conn *MsgConn
8 dueTime time.Time
9}
10
11
12func AddTimeoutCheckInfo(conn *MsgConn) {
13 timeoutMonitorTreeMutex.Lock()
14 timeoutMonitorTree.Insert(&TimeoutCheckInfo{conn: conn, dueTime: time.Now().Add(loginTimeout)})
15 timeoutMonitorTreeMutex.Unlock()
16}
17
18如 &TimeoutCheckInfo{}，赋值一个指针对象Golang 基础数据结构
Golang中，很多基础数据都通过库来引用，我们可以方便引用我们所需要的库，通过import包含就能直接使用，如源码里面提供了sync库，里面有mutex锁，在需要锁的时候可以包含进来
常用的如list，mutex，once，singleton等都已包含在内
- list链表结构，当我们需要类似队列的结构的时候，可以采用，针对IM系统而言，在长连接层处理的消息id的列表，可以通过list来维护，如果用户有了回应则从list里面移除，否则在超时时间到后还没有回应，则入offline处理
- mutex锁，当需要并发读写某个数据的时候使用，包含互斥锁和读写锁
1var ackWaitListMutex sync.RWMutex
2var ackWaitListMutex sync.Mutex3.once表示任何时刻都只会调用一次，一般的用法是初始化实例的时候使用，代码片段如下
1var initRedisOnce sync.Once
2
3func GetRedisCluster(name string) (*redis.Cluster, error) {
4 initRedisOnce.Do(setupRedis)
5 if redisClient, inMap := redisClusterMap[name]; inMap {
6 return redisClient, nil
7 } else {
8 }
9}
10
11func setupRedis() {
12 redisClusterMap = make(map[string]*redis.Cluster)
13 commonsOpts := []redis.Option{
14 redis.ConnectionTimeout(conf.RedisConnTimeout),
15 redis.ReadTimeout(conf.RedisReadTimeout),
16 redis.WriteTimeout(conf.RedisWriteTimeout),
17 redis.IdleTimeout(conf.RedisIdleTimeout),
18 redis.MaxActiveConnections(conf.RedisMaxConn),
19 redis.MaxIdleConnections(conf.RedisMaxIdle),
20 }),
21 ...
22 }
23}这样我们可以在任何需要的地方调用GetRedisCluster，并且不用担心实例会被初始化多次，once会保证一定只执行一次
4.singleton单例模式，这个在C++里面是一个常用的模式，一般需要开发者自己通过类来实现，类的定义决定单例模式设计的好坏；在Golang中，已经有成熟的库实现了，开发者无须重复造轮子，关于什么时候该使用单例模式请自行Google。一个简单的例子如下
1import "github.com/dropbox/godropbox/singleton"
2
3 var SingleMsgProxyService = singleton.NewSingleton(func() (interface{}, error) {
4 cluster, _ := cache.GetRedisCluster("singlecache")
5 return &singleMsgProxy{
6 Cluster: cluster,
7 MsgModel: msg.MsgModelImpl,
8 }, nil
9})Golang interface 接口
如果说goroutine和channel是Go并发的两大基石，那么接口interface是Go语言编程中数据类型的关键。在Go语言的实际编程中，几乎所有的数据结构都围绕接口展开，接口是Go语言中所有数据结构的核心。
interface - 泛型编程
严格来说，在 Golang 中并不支持泛型编程。在 C++ 等高级语言中使用泛型编程非常的简单，所以泛型编程一直是 Golang 诟病最多的地方。但是使用 interface 我们可以实现泛型编程，如下是一个参考示例
1package sort
2
3// A type, typically a collection, that satisfies sort.Interface can be
4// sorted by the routines in this package. The methods require that the
5// elements of the collection be enumerated by an integer index.
6type Interface interface {
7 // Len is the number of elements in the collection.
8 Len() int
9 // Less reports whether the element with
10 // index i should sort before the element with index j.
11 Less(i, j int) bool
12 // Swap swaps the elements with indexes i and j.
13 Swap(i, j int)
14}
15
16...
17
18// Sort sorts data.
19// It makes one call to data.Len to determine n, and O(n*log(n)) calls to
20// data.Less and data.Swap. The sort is not guaranteed to be stable.
21func Sort(data Interface) {
22 // Switch to heapsort if depth of 2*ceil(lg(n+1)) is reached.
23 n := data.Len()
24 maxDepth := 0
25 for i := n; i > 0; i >>= 1 {
26 maxDepth++
27 }
28 maxDepth *= 2
29 quickSort(data, 0, n, maxDepth)
30}Sort 函数的形参是一个 interface，包含了三个方法：Len()，Less(i,j int)，Swap(i, j int)。使用的时候不管数组的元素类型是什么类型（int, float, string…），只要我们实现了这三个方法就可以使用 Sort 函数，这样就实现了“泛型编程”。
这种方式，我在项目里面也有实际应用过，具体案例就是对消息排序。
下面给一个具体示例，代码能够说明一切，一看就懂：
1type Person struct {
2Name string
3Age int
4}
5
6func (p Person) String() string {
7 return fmt.Sprintf("%s: %d", p.Name, p.Age)
8}
9
10// ByAge implements sort.Interface for []Person based on
11// the Age field.
12type ByAge []Person //自定义
13
14func (a ByAge) Len() int { return len(a) }
15func (a ByAge) Swap(i, j int) { a[i], a[j] = a[j], a[i] }
16func (a ByAge) Less(i, j int) bool { return a[i].Age < a[j].Age }
17
18func main() {
19 people := []Person{
20 {"Bob", 31},
21 {"John", 42},
22 {"Michael", 17},
23 {"Jenny", 26},
24 }
25
26 fmt.Println(people)
27 sort.Sort(ByAge(people))
28 fmt.Println(people)
29}interface - 隐藏具体实现
隐藏具体实现，这个很好理解。比如我设计一个函数给你返回一个 interface，那么你只能通过 interface 里面的方法来做一些操作，但是内部的具体实现是完全不知道的。
例如我们常用的context包，就是这样的，context 最先由 google 提供，现在已经纳入了标准库，而且在原有 context 的基础上增加了：cancelCtx，timerCtx，valueCtx。
如果函数参数是interface或者返回值是interface，这样就可以接受任何类型的参数
基于Golang的model service 模型【类MVC模型】
在一个项目工程中，为了使得代码更优雅，需要抽象出一些模型出来，同时基于C++面向对象编程的思想，需要考虑到一些类、继承相关。在Golang中，没有类、继承的概念，但是我们完全可以通过struct和interface来建立我们想要的任何模型。在我们的工程中，抽象出一种我自认为是类似MVC的模型，但是不完全一样，个人觉得这个模型抽象的比较好，容易扩展，模块清晰。对于使用java和PHP编程的同学对这个模型应该是再熟悉不过了，我这边通过代码来说明下这个模型
- 首先一个model包，通过interface来实现，包含一些基础方法，需要被外部引用者来具体实现
1package model
2
3// 定义一个基础model
4type MsgModel interface {
5 Persist(context context.Context, msg interface{}) bool
6 UpdateDbContent(context context.Context, msgIface interface{}) bool
7 ...
8}2. 再定义一个msg包，用来具体实现model包中MsgModel模型的所有方法
1package msg
2
3type msgModelImpl struct{}
4
5var MsgModelImpl = msgModelImpl{}
6
7func (m msgModelImpl) Persist(context context.Context, msgIface interface{}) bool {
8 // 具体实现
9}
10
11func (m msgModelImpl) UpdateDbContent(context context.Context, msgIface interface{}) bool {
12 // 具体实现
13
14}
15
16...3. model 和 具体实现方定义并实现ok后，那么就还需要一个service来统筹管理
1package service
2
3// 定义一个msgService struct包含了model里面的UserModel和MsgModel两个model
4type msgService struct {
5 msgModel model.MsgModel
6}
7
8// 定义一个MsgService的变量，并初始化，这样通过MsgService，就能引用并访问model的所有方法
9var (
10 MsgService = msgService{
11 msgModel: msg.MsgModelImpl,
12 }
13)4. 调用访问
1import service
2
3service.MsgService.Persist(ctx, xxx)总结一下，model对应MVC的M，service 对应 MVC的C， 调用访问的地方对应MVC的V
Golang 基础资源的封装
在MVC模型的基础下，我们还需要考虑另外一点，就是基础资源的封装，服务端操作必然会和mysql、redis、memcache等交互，一些常用的底层基础资源，我们有必要进行封装，这是基础架构部门所需要承担的，也是一个好的项目工程所需要的
redis
redis，我们在github.com/garyburd/redigo/redis的库的基础上，做了一层封装，实现了一些更为贴合工程的机制和接口，redis cluster封装，支持分片、读写分离
1// NewCluster creates a client-side cluster for callers. Callers use this structure to interact with Redis databasefunc NewCluster(config ClusterConfig, instrumentOpts *instrument.Options) *Cluster {
2 cluster := new(Cluster)
3 cluster.pool = make([]*client, len(config.Configs))
4 masters := make([]string, 0, len(config.Configs)) for i, sharding := range config.Configs {
5 master, slaves := sharding.Master, sharding.Slaves
6 masters = append(masters, master)
7
8 masterAddr, masterDb := parseServer(master)
9
10 cli := new(client)
11 cli.master = &redisNode{
12 server: master,
13 Pool: func() *redis.Pool {
14 pool := &redis.Pool{
15 MaxIdle: config.MaxIdle,
16 IdleTimeout: config.IdleTimeout,
17 Dial: func() (redis.Conn, error) {
18 c, err := redis.Dial( "tcp",
19 masterAddr,
20 redis.DialDatabase(masterDb),
21 redis.DialPassword(config.Password),
22 redis.DialConnectTimeout(config.ConnTimeout),
23 redis.DialReadTimeout(config.ReadTimeout),
24 redis.DialWriteTimeout(config.WriteTimeout),
25 ) if err != nil { return nil, err
26 } return c, err
27 },
28 TestOnBorrow: func(c redis.Conn, t time.Time) error { if time.Since(t) < time.Minute { return nil
29 }
30 _, err := c.Do("PING") return err
31 },
32 MaxActive: config.MaxActives,
33 } if instrumentOpts == nil { return pool
34 } return instrument.NewRedisPool(pool, instrumentOpts)
35 }(),
36 } // allow nil slaves
37 if slaves != nil {
38 cli.slaves = make([]*redisNode, 0) for _, slave := range slaves {
39 addr, db := parseServer(slave)
40
41 cli.slaves = append(cli.slaves, &redisNode{
42 server: slave,
43 Pool: func() *redis.Pool {
44 pool := &redis.Pool{
45 MaxIdle: config.MaxIdle,
46 IdleTimeout: config.IdleTimeout,
47 Dial: func() (redis.Conn, error) {
48 c, err := redis.Dial( "tcp",
49 addr,
50 redis.DialDatabase(db),
51 redis.DialPassword(config.Password),
52 redis.DialConnectTimeout(config.ConnTimeout),
53 redis.DialReadTimeout(config.ReadTimeout),
54 redis.DialWriteTimeout(config.WriteTimeout),
55 ) if err != nil { return nil, err
56 } return c, err
57 },
58 TestOnBorrow: func(c redis.Conn, t time.Time) error { if time.Since(t) < time.Minute { return nil
59 }
60 _, err := c.Do("PING") return err
61 },
62 MaxActive: config.MaxActives,
63 } if instrumentOpts == nil { return pool
64 } return instrument.NewRedisPool(pool, instrumentOpts)
65 }(),
66 })
67 }
68 } // call init
69 cli.init()
70
71 cluster.pool[i] = cli
72 } if config.Hashing == sharding.Ketama {
73 cluster.sharding, _ = sharding.NewKetamaSharding(sharding.GetShardServers(masters), true, 6379)
74 } else {
75 cluster.sharding, _ = sharding.NewCompatSharding(sharding.GetShardServers(masters))
76 } return cluster
77}总结一下：
- 使用连接池提高性能，每次都从连接池里面取连接而不是每次都重新建立连接
- 设置最大连接数和最大活跃连接（同一时刻能够提供的连接），设置合理的读写超时时间
- 实现主从读写分离，提高性能，需要注意如果没有从库则只读主库
- TestOnBorrow用来进行健康检测
- 单独开一个goroutine协程用来定期保活【ping-pong】
- hash分片算法的选择，一致性hash还是hash取模，hash取模在扩缩容的时候比较方便，一致性hash并没有带来明显的优势，我们公司内部统一建议采用hash取模
- 考虑如何支持双写策略
memcache
memcached客户端代码封装，依赖 github.com/dropbox/godropbox/memcache, 实现其ShardManager接口，支持Connection Timeout，支持Fail Fast和Rehash
goroutine & chann
实际开发过程中，经常会有这样场景，每个请求通过一个goroutine协程去做，如批量获取消息，但是，为了防止后端资源连接数太多等，或者防止goroutine太多，往往需要限制并发数。给出如下示例供参考
1package main
2
3import (
4 "fmt"
5 "sync"
6 "time"
7)
8
9var over = make(chan bool)
10
11const MAXConCurrency = 3
12
13//var sem = make(chan int, 4) //控制并发任务数
14var sem = make(chan bool, MAXConCurrency) //控制并发任务数
15
16var maxCount = 6
17
18func Worker(i int) bool {
19
20 sem <- true
21 defer func() {
22 <-sem
23 }()
24
25 // 模拟出错处理
26 if i == 5 {
27 return false
28 }
29 fmt.Printf("now:%v num:%v\n", time.Now().Format("04:05"), i)
30 time.Sleep(1 * time.Second)
31 return true
32}
33
34func main() {
35 //wg := &sync.WaitGroup{}
36 var wg sync.WaitGroup
37 for i := 1; i <= maxCount; i++ {
38 wg.Add(1)
39 fmt.Printf("for num:%v\n", i)
40 go func(i int) {
41 defer wg.Done()
42 for x := 1; x <= 3; x++ {
43 if Worker(i) {
44 break
45 } else {
46 fmt.Printf("retry :%v\n", x)
47 }
48 }
49 }(i)
50 }
51 wg.Wait() //等待所有goroutine退出
52}goroutine & context.cancel
Golang 的 context非常强大，详细的可以参考我的另外一篇文章 Golang Context分析
这里想要说明的是，在项目工程中，我们经常会用到这样的一个场景，通过goroutine并发去处理某些批量任务，当某个条件触发的时候，这些goroutine要能够控制停止执行。如果有这样的场景，那么咱们就需要用到context的With 系列函数了，context.WithCancel生成了一个withCancel的实例以及一个cancelFuc，这个函数就是用来关闭ctxWithCancel中的 Done channel 函数。
示例代码片段如下
1func Example(){
2
3 // context.WithCancel 用来生成一个新的Context，可以接受cancel方法用来随时停止执行
4 newCtx, cancel := context.WithCancel(context.Background())
5
6 for peerIdVal, lastId := range lastIdMap {
7 wg.Add(1)
8
9 go func(peerId, minId int64) {
10 defer wg.Done()
11
12 msgInfo := Get(newCtx, uid, peerId, minId, count).([]*pb.MsgInfo)
13 if msgInfo != nil && len(msgInfo) > 0 {
14 if singleMsgCounts >= maxCount {
15 cancel() // 当条件触发，则调用cancel停止
16 mutex.Unlock()
17 return
18 }
19 }
20 mutex.Unlock()
21 }(peerIdVal, lastId)
22 }
23
24 wg.Wait()
25}
26
27
28func Get(ctx context.Context, uid, peerId, sinceId int64, count int) interface{} {
29 for {
30 select {
31 // 如果收到Done的chan，则立马return
32 case <-ctx.Done():
33 msgs := make([]*pb.MsgInfo, 0)
34 return msgs
35
36 default:
37 // 处理逻辑
38 }
39 }
40}traceid & context
在大型项目工程中，为了更好的排查定位问题，我们需要有一定的技巧，Context上下文存在于一整条调用链路中，在服务端并发场景下，n多个请求里面，我们如何能够快速准确的找到一条请求的来龙去脉，专业用语就是指调用链路，通过调用链我们能够知道这条请求经过了哪些服务、哪些模块、哪些方法，这样可以非常方便我们定位问题
traceid就是我们抽象出来的这样一个调用链的唯一标识，再通过Context进行传递，在任何代码模块[函数、方法]里面都包含Context参数，我们就能形成一个完整的调用链。那么如何实现呢 ？在我们的工程中，有RPC模块，有HTTP模块，两个模块的请求来源肯定不一样，因此，要实现所有服务和模块的完整调用链，需要考虑http和rpc两个不同的网络请求的调用链
traceid的实现
1const TraceKey = "traceId"
2
3func NewTraceId(tag string) string {
4 now := time.Now()
5 return fmt.Sprintf("%d.%d.%s", now.Unix(), now.Nanosecond(), tag)
6}
7
8func GetTraceId(ctx context.Context) string {
9 if ctx == nil {
10 return ""
11 }
12
13 // 从Context里面取
14 traceInfo := GetTraceIdFromContext(ctx)
15 if traceInfo == "" {
16 traceInfo = GetTraceIdFromGRPCMeta(ctx)
17 }
18
19 return traceInfo
20}
21
22func GetTraceIdFromGRPCMeta(ctx context.Context) string {
23 if ctx == nil {
24 return ""
25 }
26 if md, ok := metadata.FromIncomingContext(ctx); ok {
27 if traceHeader, inMap := md[meta.TraceIdKey]; inMap {
28 return traceHeader[0]
29 }
30 }
31 if md, ok := metadata.FromOutgoingContext(ctx); ok {
32 if traceHeader, inMap := md[meta.TraceIdKey]; inMap {
33 return traceHeader[0]
34 }
35 }
36 return ""
37}
38
39func GetTraceIdFromContext(ctx context.Context) string {
40 if ctx == nil {
41 return ""
42 }
43 traceId, ok := ctx.Value(TraceKey).(string)
44 if !ok {
45 return ""
46 }
47 return traceId
48}
49
50func SetTraceIdToContext(ctx context.Context, traceId string) context.Context {
51 return context.WithValue(ctx, TraceKey, traceId)
52}http的traceid
对于http的服务，请求方可能是客户端，也能是其他服务端，http的入口里面就需要增加上traceid，然后打印日志的时候，将TraceID打印出来形成完整链路。如果http server采用gin来实现的话，代码片段如下，其他http server的库的实现方式类似即可
1import "github.com/gin-gonic/gin"
2
3func recoveryLoggerFunc() gin.HandlerFunc {
4 return func(c *gin.Context) {
5 c.Set(trace.TraceKey, trace.NewTraceId(c.ClientIP()))
6 defer func() {
7 ...... func 省略实现
8 }
9 }()
10 c.Next()
11 }
12}
13
14engine := gin.New()
15engine.Use(OpenTracingFunc(), httpInstrumentFunc(), recoveryLoggerFunc())
16
17
18 session := engine.Group("/sessions")
19 session.Use(sdkChecker)
20 {
21 session.POST("/recent", httpsrv.MakeHandler(RecentSessions))
22 }
23
24
25这样，在RecentSessions接口里面如果打印日志，就能够通过Context取到traceidaccess log
access log是针对http的请求来的，记录http请求的API，响应时间，ip，响应码，用来记录并可以统计服务的响应情况，当然，也有其他辅助系统如SLA来专门记录http的响应情况
Golang语言实现这个也非常简单，而且这个是个通用功能，建议可以抽象为一个基础模块，所有业务都能import后使用
1大致格式如下：
2
3http_log_pattern='%{2006-01-02T15:04:05.999-0700}t %a - %{Host}i "%r" %s - %T "%{X-Real-IP}i" "%{X-Forwarded-For}i" %{Content-Length}i - %{Content-Length}o %b %{CDN}i'
4
5 "%a", "${RemoteIP}",
6 "%b", "${BytesSent|-}",
7 "%B", "${BytesSent|0}",
8 "%H", "${Proto}",
9 "%m", "${Method}",
10 "%q", "${QueryString}",
11 "%r", "${Method} ${RequestURI} ${Proto}",
12 "%s", "${StatusCode}",
13 "%t", "${ReceivedAt|02/Jan/2006:15:04:05 -0700}",
14 "%U", "${URLPath}",
15 "%D", "${Latency|ms}",
16 "%T", "${Latency|s}",
17
18具体实现省略最终得到的日志如下：
12017-12-20T20:32:58.787+0800 192.168.199.15 - www.demo.com:50001 "POST /arcp/unregister HTTP/1.1" 200 - 0.035 "-" "-" 14 - - 13 -
22017-12-20T20:33:27.741+0800 192.168.199.15 - www.demo.com:50001 "POST /arcp/register HTTP/1.1" 200 - 0.104 "-" "-" 68 - - 13 -
32017-12-20T20:42:01.803+0800 192.168.199.15 - www.demo.com:50001 "POST /arcp/unregister HTTP/1.1" 200 - 0.035 "-" "-" 14 - - 13 -版权申明：内容来源网络，版权归原创者所有。除非无法确认，我们都会标明作者及出处，如有侵权烦请告知，我们会立即删除并表示歉意。谢谢。
腾讯云开发者
