使用Zap等结构化日志库输出JSON格式日志，通过Filebeat收集并发送至Elasticsearch，再用Kibana进行可视化分析，或自建轻量HTTP服务接收日志，实现Go应用的日志聚合与分析。
在Golang中实现日志聚合和分析，核心在于结构化日志输出、集中收集和后续处理分析。不依赖复杂框架也能搭建高效系统，关键是设计合理的流程。
使用结构化日志库（如zap或logrus）
Go标准库的log包输出的是纯文本，不利于解析。推荐使用支持JSON格式的日志库，便于机器读取。
- Uber Zap：性能高，适合生产环境。默认输出key-value结构的JSON日志。
- Logrus：功能丰富，插件多，易于上手。
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"))
输出为JSON：
立即学习“go语言免费学习笔记（深入）”；
{"level":"info","ts":1710234567.89,"msg":"用户登录","user_id":"123","ip":"192.168.1.1"}
将日志发送到集中式平台
本地日志难以管理，需通过采集工具发送到统一平台。
- 应用写日志到文件（如
app.log），使用Filebeat或Fluent Bit监听文件并转发。 - 直接通过网络发送日志（如用
net/http发到远程服务），适合小规模场景。
常见组合：
PHP5 和 MySQL 圣经
下载
本书是全面讲述PHP与MySQL的经典之作，书中不但全面介绍了两种技术的核心特性，还讲解了如何高效地结合这两种技术构建健壮的数据驱动的应用程序。本书涵盖了两种技术新版本中出现的最新特性，书中大量实际的示例和深入的分析均来自于作者在这方面多年的专业经验，可用于解决开发者在实际中所面临的各种挑战。
- Go应用 → 写JSON日志到本地文件 → Filebeat → Elasticsearch
- Go应用 → 使用gRPC或HTTP发送日志 → 自建日志接收服务 → 存入数据库
在Elasticsearch + Kibana中分析日志
ELK（Elasticsearch, Logstash, Kibana）是主流日志分析方案，可替换Logstash为Filebeat（即EFK）。
- 日志进入Elasticsearch后，可用Kibana创建仪表盘，按字段过滤、统计错误频率、分析响应时间等。
- 例如：搜索
level: "error"，或按user_id聚合请求次数。
你也可以用Prometheus + Loki + Grafana替代，Loki专为日志设计，轻量且与Grafana集成好。
自建轻量级日志服务（可选）
如果不想用ELK，可自己实现一个简单的HTTP接口接收日志：
http.HandleFunc("/log", func(w http.ResponseWriter, r *http.Request) {
var logEntry map[string]interface{}
json.NewDecoder(r.Body).Decode(&logEntry)
// 存入MongoDB或写入文件
logFile.WriteString(fmt.Sprintf("%v\n", logEntry))
})
然后在Go应用中用http.Post发送日志条目。适合资源有限的小项目。
基本上就这些。关键点是输出结构化日志，再借助工具链完成聚合与可视化。不复杂但容易忽略细节，比如时间戳格式、字段命名一致性。
