使用zap实现结构化日志，支持多通道输出至控制台、文件及远程服务，结合lumberjack实现日志轮转，通过request_id实现上下文追踪，提升系统可观测性。
在Golang项目中，日志是排查问题、监控系统运行状态的重要工具。一个完善的日志收集与输出功能不仅能帮助开发者快速定位错误，还能为后期的运维分析提供数据支持。下面介绍如何在Go项目中实现结构化日志的收集与多通道输出。
使用zap或logrus实现结构化日志
Go标准库的log包功能有限，推荐使用第三方日志库如Uber的zap或logrus，它们支持结构化日志（JSON格式），便于日志系统采集和解析。
以zap为例，初始化高性能日志实例：
logger, _ := zap.NewProduction()
defer logger.Sync()
logger.Info("用户登录成功",
zap.String("user_id", "12345"),
zap.String("ip", "192.168.1.1"),
)
输出结果为JSON格式，适合被ELK、Loki等日志系统抓取。
立即学习“go语言免费学习笔记（深入）”；
多目标输出：控制台、文件、网络服务
实际项目中，日志需要同时输出到多个位置。zap支持通过Tee或自定义WriteSyncer实现多写入。
- 输出到文件：使用os.OpenFile创建文件写入器
- 输出到控制台：保留os.Stdout
- 发送到远程日志服务：封装HTTP客户端，异步发送日志条目
示例：将日志同时写入文件和stdout
file, _ := os.OpenFile("app.log", os.O_APPEND|os.O_CREATE|os.O_WRONLY, 0666)
writer := zapcore.NewMultiWriteSyncer(
zapcore.AddSync(os.Stdout),
zapcore.AddSync(file),
)
core := zapcore.NewCore(zapcore.NewJSONEncoder(zap.NewProductionConfig().EncoderConfig), writer, zap.InfoLevel)
logger := zap.New(core)
日志分级与上下文追踪
合理使用日志级别（Debug、Info、Warn、Error）有助于过滤信息。在微服务场景中，建议引入请求ID（request_id）作为上下文字段，贯穿整个调用链。
可以封装一个带上下文的日志函数：
func WithRequestID(reqID string) *zap.Logger {
return logger.With(zap.String("request_id", reqID))
}
这样在处理每个HTTP请求时注入reqID，便于后续日志聚合分析。
定时切割与清理旧日志
长时间运行的服务会产生大量日志文件，需配合日志轮转机制。可使用lumberjack库实现按大小或时间自动切割。
w := zapcore.AddSync(&lumberjack.Logger{
Filename: "logs/app.log",
MaxSize: 10, // MB
MaxBackups: 5,
MaxAge: 7, // 天
})
结合Linux的cron或系统级日志工具（如logrotate）进一步管理归档与删除策略。
基本上就这些。一套实用的日志系统应做到结构清晰、输出灵活、易于集成。选择合适的库并结合项目部署环境配置输出方式，能显著提升可观测性。不复杂但容易忽略的是上下文一致性和日志性能开销，尤其在高并发场景下，优先使用zap这类高性能库。
