使用Go构建日志系统需结构化输出（如zap）、集中采集（Filebeat/Loki）和上下文追踪，通过JSON日志与统一平台实现高效查询与告警。
Go语言实现日志收集与分析，核心在于结构化日志输出、集中采集和后续处理。通过标准库与第三方工具结合，可以构建高效可靠的日志系统。
使用结构化日志库（如zap或logrus）
Go原生的log包功能简单，适合调试但不利于分析。推荐使用支持JSON格式输出的结构化日志库：
- uber-go/zap：性能高，适合生产环境，支持字段分级和上下文信息
- Sirupsen/logrus：API友好，插件丰富，可轻松切换JSON输出
示例（zap）：
logger, _ := zap.NewProduction()defer logger.Sync()
logger.Info("用户登录",
zap.String("user_id", "123"),
zap.String("ip", "192.168.1.1"),
)
生成的JSON日志便于后续解析和过滤。
立即学习“go语言免费学习笔记（深入）”；
日志采集到中心系统
本地日志文件无法满足多实例服务的统一查看需求。常见方案包括：
- Filebeat + ELK：将日志写入文件，用Filebeat监听并发送至Elasticsearch，通过Kibana可视化
- Loki + Promtail：轻量级方案，由Grafana推出，Promtail采集日志，Loki存储，Grafana查询
- 直接发送到远程服务：在zap中使用Hook或自定义Writer，将日志通过HTTP或gRPC推送到日志平台
例如，可用lumberjack配合zap实现日志轮转：
Filename: "/var/log/app.log",
MaxSize: 100,
})
添加上下文与追踪信息
为日志注入请求ID、用户ID等上下文，有助于串联一次请求的完整调用链：
- 使用context.Context传递trace_id
- 中间件中生成唯一ID，并在每个日志中输出
- 结合OpenTelemetry实现日志与链路追踪联动
这样在分析异常时，能快速定位相关日志片段。
查询与告警配置
结构化日志入库后，可通过以下方式提升分析效率：
- 在Kibana或Grafana中设置关键字过滤、时间范围查询
- 对error级别日志设置告警规则（如5分钟内出现10次以上）
- 聚合统计接口调用频次、错误率等指标
结合Prometheus，还能将日志中的关键事件转化为监控指标。
基本上就这些。关键是把日志从“文本记录”变成“可查询数据”，再接入统一平台。不复杂但容易忽略细节。
