一文搞懂Java日志级别，重复记录、丢日志问题
一文搞懂Java日志级别，重复记录、丢日志问题
1 新手村试炼
1.1 框架烦多！
不同类库可能使用不同日志框架，兼容难！
1.2 配置复杂
由于配置文件烦杂！很多同学喜欢从其他项目或网上直接闭眼复制一份。
1.3 随意度高
因为不会直接导致代码 bug，测试人员也难及时发现问题，开发就没仔细考虑日志内容获取的性能开销、随意选用日志级别。
2 SLF4J
Logback、Log4j、Log4j2、commons-logging、JDK自带的java.util.logging等，都是Java体系的日志框架。 不同的类库，还可能选择使用不同的日志框架，导致日志统一管理困难。
- SLF4J（Simple Logging Facade For Java）就为解决该问题
- 提供统一的日志门面API，即图中紫色部分，实现中立的日志记录API
- 桥接功能，蓝色部分，把各种日志框架API（绿色部分）桥接到SLF4J API。这样即便你的程序中使用各种日志API记录日志，最终都可桥接到SLF4J门面API。
- 适配功能，红色部分，可实现SLF4J API和实际日志框架（灰色部分）绑定。 SLF4J只是日志标准，还是需要实际日志框架。日志框架本身未实现SLF4J API，所以需前置转换。Logback就是按SLF4J API标准实现，所以才无需绑定模块做转换。
虽然可用log4j-over-slf4j实现Log4j桥接到SLF4J，也可使用slf4j-log4j12实现SLF4J适配到Log4j，也把它们画到了一列，但是它不能同时使用它们，否则就会产生死循环。jcl和jul同理。
虽然图中有4个灰色的日志实现框架，但日常业务使用最多的还是Logback和Log4j，都是同一人开发的。Logback可认为是Log4j改进版，更推荐使用，基本已是主流。
Spring Boot的日志框架也是Logback。那为什么我们没有手动引入Logback包，就可直接使用Logback？
spring-boot-starter模块依赖spring-boot-starter-logging模块 spring-boot-starter-logging模块自动引入logback-classic（包含SLF4J和Logback日志框架）和SLF4J的一些适配器。其中，log4j-to-slf4j用于实现Log4j2 API到SLF4J的桥接，jul-to-slf4j则是实现java.util.logging API到SLF4J的桥接。
4 异步日志提高性能?
知道了到底如何正确将日志输出到文件后，就该考虑如何避免日志记录成为系统性能瓶颈。这可解决，磁盘（比如机械磁盘）IO性能较差、日志量又很大的情况下，如何记录日志问题。
定义如下的日志配置，一共有两个Appender：
FILE是一个FileAppender，用于记录所有的日志； CONSOLE是一个ConsoleAppender，用于记录带有time标记的日志。
把大量日志输出到文件中，日志文件会非常大，如果性能测试结果也混在其中的话，就很难找到那条日志。所以，这里使用EvaluatorFilter对日志按照标记进行过滤，并将过滤出的日志单独输出到控制台上。该案例中给输出测试结果的那条日志上做了time标记。
配合使用标记和EvaluatorFilter，实现日志的按标签过滤。
- 测试代码：实现记录指定次数的大日志，每条日志包含1MB字节的模拟数据，最后记录一条以time为标记的方法执行耗时日志：
执行程序后可以看到，记录1000次日志和10000次日志的调用耗时，分别是5.1秒和39秒
对只记录文件日志的代码，这耗时过长。
源码解析
FileAppender继承自OutputStreamAppender
在追加日志时，是直接把日志写入OutputStream中，属同步记录日志
所以日志大量写入才会旷日持久。如何才能实现大量日志写入时，不会过多影响业务逻辑执行耗时而影响吞吐量呢？
AsyncAppender
使用Logback的AsyncAppender
即可实现异步日志记录。AsyncAppender类似装饰模式，在不改变类原有基本功能情况下为其增添新功能。这便可把AsyncAppender附加在其他Appender，将其变为异步。
定义一个异步Appender ASYNCFILE，包装之前的同步文件日志记录的FileAppender， 即可实现异步记录日志到文件
- 记录1000次日志和10000次日志的调用耗时，分别是537毫秒和1019毫秒
异步日志真的如此高性能？并不，因为这并没有记录下所有日志。
AsyncAppender异步日志坑
- 记录异步日志撑爆内存
- 记录异步日志出现日志丢失
- 记录异步日志出现阻塞。
案例
模拟慢日志记录场景： 首先，自定义一个继承自ConsoleAppender的MySlowAppender，作为记录到控制台的输出器，写入日志时休眠1秒。
- 配置文件中使用AsyncAppender，将MySlowAppender包装为异步日志记录
- 测试代码
- 耗时很短但出现日志丢失：要记录1000条日志，最终控制台只能搜索到215条日志，而且日志行号变问号。
- 原因分析 AsyncAppender提供了一些配置参数，而当前没用对。
源码解析
- includeCallerData 默认false：方法行号、方法名等信息不显示
- queueSize 控制阻塞队列大小，使用的ArrayBlockingQueue阻塞队列，默认容量256：内存中最多保存256条日志
- discardingThreshold
丢弃日志的阈值，为防止队列满后发生阻塞。默认
队列剩余容量 ＜ 队列长度的20%，就会丢弃TRACE、DEBUG和INFO级日志 - neverBlock
控制队列满时，加入的数据是否直接丢弃，不会阻塞等待，默认是false
- 队列满时：offer不阻塞，而put会阻塞
- neverBlock为true时，使用offer
public class AsyncAppender extends AsyncAppenderBase<ILoggingEvent> {
// 是否收集调用方数据
boolean includeCallerData = false;
protected boolean isDiscardable(ILoggingEvent event) {
Level level = event.getLevel();
// 丢弃 ≤ INFO级日志
return level.toInt() <= Level.INFO_INT;
}
protected void preprocess(ILoggingEvent eventObject) {
eventObject.prepareForDeferredProcessing();
if (includeCallerData)
eventObject.getCallerData();
}
}
public class AsyncAppenderBase<E> extends UnsynchronizedAppenderBase<E> implements AppenderAttachable<E> {
// 阻塞队列：实现异步日志的核心
BlockingQueue<E> blockingQueue;
// 默认队列大小
public static final int DEFAULT_QUEUE_SIZE = 256;
int queueSize = DEFAULT_QUEUE_SIZE;
static final int UNDEFINED = -1;
int discardingThreshold = UNDEFINED;
// 当队列满时：加入数据时是否直接丢弃，不会阻塞等待
boolean neverBlock = false;
@Override
public void start() {
...
blockingQueue = new ArrayBlockingQueue<E>(queueSize);
if (discardingThreshold == UNDEFINED)
//默认丢弃阈值是队列剩余量低于队列长度的20%，参见isQueueBelowDiscardingThreshold方法
discardingThreshold = queueSize / 5;
...
}
@Override
protected void append(E eventObject) {
if (isQueueBelowDiscardingThreshold() && isDiscardable(eventObject)) { //判断是否可以丢数据
return;
}
preprocess(eventObject);
put(eventObject);
}
private boolean isQueueBelowDiscardingThreshold() {
return (blockingQueue.remainingCapacity() < discardingThreshold);
}
private void put(E eventObject) {
if (neverBlock) { //根据neverBlock决定使用不阻塞的offer还是阻塞的put方法
blockingQueue.offer(eventObject);
} else {
putUninterruptibly(eventObject);
}
}
//以阻塞方式添加数据到队列
private void putUninterruptibly(E eventObject) {
boolean interrupted = false;
try {
while (true) {
try {
blockingQueue.put(eventObject);
break;
} catch (InterruptedException e) {
interrupted = true;
}
}
} finally {
if (interrupted) {
Thread.currentThread().interrupt();
}
}
}
} 默认队列大小256，达到80%后开始丢弃<=INFO级日志后，即可理解日志中为什么只有两百多条INFO日志了。
queueSize 过大
可能导致OOM
queueSize 较小
默认值256就已经算很小了，且discardingThreshold设置为大于0（或为默认值），队列剩余容量少于discardingThreshold的配置就会丢弃<=INFO日志。这里的坑点有两个：
- 因为discardingThreshold，所以设置queueSize时容易踩坑。 比如本案例最大日志并发1000，即便置queueSize为1000，同样会导致日志丢失
- discardingThreshold参数容易有歧义，它
不是百分比，而是日志条数。对于总容量10000队列，若希望队列剩余容量少于1000时丢弃，需配置为1000
neverBlock 默认false
意味总可能会出现阻塞。
- 若discardingThreshold = 0，那么队列满时再有日志写入就会阻塞
- 若discardingThreshold != 0，也只丢弃≤INFO级日志，出现大量错误日志时，还是会阻塞
queueSize、discardingThreshold和neverBlock三参密不可分，务必按业务需求设置：
- 若优先绝对性能，设置
neverBlock = true，永不阻塞 - 若优先绝不丢数据，设置
discardingThreshold = 0，即使≤INFO级日志也不会丢。但最好把queueSize设置大一点，毕竟默认的queueSize显然太小，太容易阻塞。 - 若兼顾，可丢弃不重要日志，把queueSize设置大点，再设置合理的discardingThreshold
以上日志配置最常见两个误区
再看日志记录本身的误区。
使用日志占位符就无需判断日志级别?
SLF4J的{}占位符语法，到真正记录日志时才会获取实际参数，因此解决了日志数据获取的性能问题。 这说法对吗？
- 验证代码：返回结果耗时1秒
若记录DEBUG日志，并设置只记录>=INFO级日志，程序是否也会耗时1秒？ 三种方法测试：
- 拼接字符串方式记录slowString
- 使用占位符方式记录slowString
- 先判断日志级别是否启用DEBUG。
前俩方式都调用slowString，所以都耗时1s。且方式二就是使用占位符记录slowString，这种方式虽允许传Object，不显式拼接String，但也只是延迟（若日志不记录那就是省去）日志参数对象.toString()和字符串拼接的耗时。
本案例除非事先判断日志级别，否则必调用slowString。
所以使用{}占位符不能通过延迟参数值获取，来解决日志数据获取的性能问题。
除事先判断日志级别，还可通过lambda表达式延迟参数内容获取。但SLF4J的API还不支持lambda，因此需使用Log4j2日志API，把Lombok的@Slf4j注解替换为**@Log4j2**注解，即可提供lambda表达式参数的方法：
这样调用debug，签名Supplier，参数就会延迟到真正需要记录日志时再获取：
所以debug4并不会调用slowString方法
只是换成Log4j2 API，真正的日志记录还是走的Logback，这就是SLF4J适配的好处。
总结
- SLF4J统一了Java日志框架。在使用SLF4J时，要理清楚其桥接API和绑定。若程序启动时出现SLF4J错误提示，那可能是配置问题，可使用Maven的dependency:tree命令梳理依赖关系。
- 异步日志解决性能问题，是用空间换时间。但空间毕竟有限，当空间满，要考虑阻塞等待or丢弃日志。如果更希望不丢弃重要日志，那么选择阻塞等待；如果更希望程序不要因为日志记录而阻塞，那么就需要丢弃日志。
- 日志框架提供的参数化日志记录方式不能完全取代日志级别判断。若你的日志量很大，获取日志参数代价也很大，就要判断日志级别，避免不记录日志也要耗时获取日志参数。