刚入职的程序员小阿巴，开发的批量导入数据程序一上线就崩了。用户反馈报错中断，可服务器上的报错信息少得可怜，他硬生生花了 8 小时，才通过逐行测试用户数据定位到问题，原本的摸鱼时光全泡汤了。
Taimili 艾米莉 ( 一款专业的 GitHub star 管理和github 加星涨星工具taimili.com )
艾米莉 是一款优雅便捷的 GitHub star 管理和github 加星涨星工具，基于 PHP & javascript 构建， 能对github 得 star fork follow watch 管理和提升，最适合github 的深度用户
导师鱼皮看到他愁眉苦脸的样子，一语道破关键：“你没打日志吧？” 小阿巴满脸疑惑：“谁是日志？为什么要打它？” 这一幕，恐怕很多刚入行的程序员都似曾相识。日志作为程序的 “运行日记”，能精准记录执行状态，可太多人不懂怎么正确使用。今天就把鱼皮沉淀多年的 8 个日志实战技巧分享给大家，让你少走弯路！
一、先搞懂：日志到底是什么？
日志是程序运行时的 “状态记录仪”，能详细记录代码执行的关键节点、参数信息和异常情况，当系统出现 Bug 时，无需反复测试，通过日志就能快速定位问题根源。
比如批量导入用户的核心代码，合理的日志能让执行过程一目了然：
java
运行
@Slf4j
public class UserService {
public void batchImport(List<UserDTO> userList) {
log.info("开始批量导入用户，总数：{}", userList.size());
int successCount = 0;
int failCount = 0;
for (UserDTO userDTO : userList) {
try {
log.info("正在导入用户：{}", userDTO.getUsername());
validateUser(userDTO);
saveUser(userDTO);
successCount++;
log.info("用户 {} 导入成功", userDTO.getUsername());
} catch (Exception e) {
failCount++;
log.error("用户 {} 导入失败，原因：{}", userDTO.getUsername(), e.getMessage(), e);
}
}
log.info("批量导入完成，成功：{}，失败：{}", successCount, failCount);
}
}
代码中的log.info（正常流程）和log.error（异常情况），就是最基础的日志记录方式。
二、入门：日志框架怎么用？
每种编程语言都有成熟的日志框架，Java 生态中常用 Log4j 2、Logback 等。如果使用 Spring Boot，无需额外引入依赖，它默认集成了 Logback，直接使用即可。
1. 获取日志对象（3 种方式）
- 方式 1：手动通过 LoggerFactory 获取
java
运行
public class MyService {
private static final Logger logger = LoggerFactory.getLogger(MyService.class);
}
- 方式 2：通过
this.getClass()获取当前类类型
java
运行
public class MyService {
private final Logger logger = LoggerFactory.getLogger(this.getClass());
}
- 方式 3：用 Lombok 的
@Slf4j注解（推荐）无需手动定义日志对象，注解会自动生成：
java
运行
@Slf4j
public class MyService {
public void doSomething() {
log.info("执行了一些操作");
}
}
等同于自动生成：
java
运行
private static final org.slf4j.Logger log =
org.slf4j.LoggerFactory.getLogger(MyService.class);
2. 千万别用 System.out.println 替代日志！
很多新手会图方便用System.out.println输出信息，但这存在两大致命问题：
- 性能差：同步方法，频繁调用会触发耗时 I/O 操作，拖慢程序；
- 不灵活：只能输出到控制台，无法保存到文件，也不能控制格式和级别，历史日志无法追溯。
而日志框架能完美解决这些问题，还支持灵活配置，这也是打日志的核心价值。
三、进阶：8 个日志最佳实践
1. 合理选择日志级别（避免信息泛滥）
日志按重要程度分为多个级别，核心常用的有 4 种，不同场景必须严格区分：
- DEBUG：调试用的详细信息（如对象完整属性），仅开发 / 测试环境使用；
- INFO：正常业务流程记录（如 “开始导入”“执行完成”）；
- WARN：潜在问题但不影响主流程（如邮箱格式异常但仍可导入）；
- ERROR：异常或错误（如导入失败、接口调用超时），需包含完整异常信息。
示例代码：
java
运行
log.debug("用户对象的详细信息：{}", userDTO); // 调试信息
log.info("用户 {} 开始导入", username); // 正常流程
log.warn("用户 {} 的邮箱格式可疑，但仍然导入", username); // 警告信息
log.error("用户 {} 导入失败", username, e); // 错误信息（e为异常对象）
关键原则：生产环境需调高日志级别（如 INFO 或 WARN），避免 DEBUG 日志淹没重要信息，同时减少磁盘占用。
2. 用参数化日志，拒绝字符串拼接
很多人习惯用字符串拼接记录日志：
java
运行
// 不推荐！
log.info("用户 " + username + " 开始导入");
这种方式的问题是：无论日志是否最终输出，拼接操作都会执行，浪费性能。
正确做法是使用参数化日志（{}作为占位符）：
java
运行
// 推荐！
log.info("用户 {} 开始导入", username);
日志框架会在运行时动态替换参数，未输出的日志不会执行额外操作，性能更优。
记录异常时更要注意，需传入完整异常对象e，才能保留堆栈信息：
java
运行
try {
// 业务逻辑
} catch (Exception e) {
log.error("用户 {} 导入失败", username, e); // 必须传入e
}
3. 把握日志时机，不冗余不遗漏
日志不是越多越好，关键是 “关键时刻有记录”：
- 必记场景：方法入口（参数）、方法出口（返回值）、核心业务步骤、异常捕获处；
- 减少冗余：循环中避免每条数据都打日志（如 10 万条数据无需逐条记录导入中状态）；
- 高效技巧：用 AOP 切面编程，自动为所有业务方法添加入口 / 出口日志，减少重复代码；
- 安全提醒：日志中严禁记录敏感信息（如密码、手机号、身份证号），防止信息泄露。
4. 控制输出量，避免日志刷屏
当处理大量数据时，需通过以下方式控制日志数量：
- 条件输出：每处理 N 条数据记录一次进度（如每 100 条）；
java
运行
if ((i + 1) % 100 == 0) {
log.info("批量导入进度：{}/{}", i + 1, userList.size());
}
- 批量拼接：循环中用 StringBuilder 积累信息，结束后统一输出；
java
运行
StringBuilder logBuilder = new StringBuilder("处理结果：");
for (UserDTO userDTO : userList) {
processUser(userDTO);
logBuilder.append(String.format("成功[ID=%s], ", userDTO.getId()));
}
log.info(logBuilder.toString());
- 级别过滤：通过配置文件只输出 INFO 及以上级别日志，屏蔽 DEBUG 冗余信息。
5. 统一日志格式，方便排查
混乱的日志格式会增加排查难度，需在配置文件中定义统一格式，包含关键信息：
xml
<!-- 控制台日志格式配置 -->
<appender name="CONSOLE" class="ch.qos.logback.core.ConsoleAppender">
<encoder>
<pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{36} - %msg%n</pattern>
</encoder>
</appender>
格式说明：
%d：时间戳（精确到毫秒）；[%thread]：线程名称；%-5level：日志级别（左对齐，占 5 位）；%logger{36}：类名（最长 36 字符）；%msg%n：日志内容 + 换行。
进阶技巧：用 MDC 添加上下文信息（如请求 ID、用户 ID），方便追踪分布式系统中的调用链路：
java
运行
@PostMapping("/user/import")
public Result importUsers(@RequestBody UserImportRequest request) {
// 设置MDC上下文
MDC.put("requestId", generateRequestId());
MDC.put("userId", String.valueOf(request.getUserId()));
try {
log.info("用户请求处理开始");
userService.batchImport(request.getUserList());
return Result.success();
} finally {
MDC.clear(); // 必须清理，避免内存泄漏
}
}
配置文件中引用 MDC 变量：
xml
<pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{36} - [%X{requestId}] [%X{userId}] %msg%n</pattern>
6. 开启异步日志，提升程序性能
默认情况下，日志输出是同步操作（写入文件时阻塞主线程），高并发场景会影响性能。开启异步日志后，写日志操作会交给独立线程执行，不阻塞业务流程：
xml
<appender name="ASYNC" class="ch.qos.logback.classic.AsyncAppender">
<queueSize>512</queueSize> <!-- 队列大小 -->
<discardingThreshold>0</discardingThreshold> <!-- 不丢弃日志 -->
<neverBlock>false</neverBlock> <!-- 队列满时阻塞（避免日志丢失） -->
<appender-ref ref="FILE" /> <!-- 关联文件输出目标 -->
</appender>
<root level="INFO">
<appender-ref ref="ASYNC" />
</root>
注意：异步日志可能因程序崩溃丢失缓冲区日志，需根据业务场景权衡（性能优先可开启，日志完整性优先则关闭）。
7. 日志管理：自动切分 + 清理，避免磁盘爆满
日志文件长期不处理会占用大量磁盘空间，甚至导致服务器崩溃。通过配置滚动策略，让框架自动管理日志：
xml
<rollingPolicy class="ch.qos.logback.core.rolling.SizeAndTimeBasedRollingPolicy">
<fileNamePattern>logs/app-%d{yyyy-MM-dd}.%i.log.gz</fileNamePattern>
<maxFileSize>10MB</maxFileSize> <!-- 单个文件最大10MB -->
<maxHistory>30</maxHistory> <!-- 保留30天日志 -->
<totalSizeCap>1GB</totalSizeCap> <!-- 日志总大小不超过1GB -->
</rollingPolicy>
配置说明：
- 按日期 + 大小切分：每天生成新文件，单个文件超 10MB 自动创建新文件；
- 自动压缩：.gz 后缀自动压缩日志文件，节省磁盘空间；
- 自动清理：只保留最近 30 天日志，总大小超 1GB 时自动删除旧日志。
8. 分布式系统：集成日志收集系统
当项目发展为多服务分布式架构时，登录多台服务器查看日志效率极低，需搭建集中式日志系统，常用组合 ELK（Elasticsearch+Logstash+Kibana）：
- Logstash：收集各服务日志，统一格式化；
- Elasticsearch：存储并索引日志，支持快速搜索；
- Kibana：可视化界面，可按关键词、时间范围、服务名等筛选日志。
注意：ELK 搭建和运维成本较高，小团队或小型项目可选用轻量级方案（如 Graylog、Loki），按需选择即可。
四、最后提醒：日志是写给 “人” 看的
日志的核心价值是 “便于排查问题”，无论是未来的自己，还是团队同事，都能通过日志快速理解程序运行状态。记住：
- 不打日志的程序员，不是好程序员；
- 乱打日志的程序员，会给队友挖坑；
- 规范打日志，才能让 Bug 无所遁形。
