框架繁不同类库可能使用不同日志框架，兼容难，无法接入统一日志，让运维很头疼！
配置复杂由于配置文件一般是xml文件，内容繁杂！很多人喜欢从其他项目或网上闭眼copy！
随意度高因为不会直接导致代码bug，测试人员也难发现问题，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！
Logback、Log4j、Log4j2、commons-logging及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（SimpleLoggingFacadeForJava）就为解决该问题而生
提供统一的日志门面API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桥接到SLF4JAPI。这样即使你的程序使用了各种日志API记录日志，最终都可桥接到SLF4J门面API
适配功能红色部分，绑定SLF4JAPI和实际的日志框架（灰色部分）
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SLF4JAPI，所以需要有个前置转换。Logback本身就按SLF4JAPI标准实现，所以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，但业务开发使用最多的还是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，已是社会主流。
SpringBoot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，而spring-boot-starter-logging自动引入logback-classic（包含SLF4J和Logback日志框架）和SLF4J的一些适配器。
2异步日志就肯定能提高性能?如何避免日志记录成为系统性能瓶颈呢？这关系到磁盘（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。
2.1案例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，若性能测试结果也混在其中，就很难找到那条日志了。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。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，可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：
执行程序后发现，记录1000次日志和10000次日志的调用耗时，分别是5.1s和39s
对只记录文件日志的代码，这耗时过长了。
2.2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？
2.3AsyncAppender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AppenderASYNCFILE，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537ms和1019ms
异步日志真的如此高性能？并不，因为它并没有记录下所有日志。
3AsyncAppender异步日志的天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。
3.1案例模拟个慢日志记录场景：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，写入日志时睡1s。
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
//阻塞队列：实现异步日志的核心BlockingQueueblockingQueue;//默认队列大小publicstaticfinalintDEFAULT_QUEUE_SIZE=256;intqueueSize=DEFAULT_QUEUE_SIZE;staticfinalintUNDEFINED=-1;intdiscardingThreshold=UNDEFINED;//当队列满时：加入数据时是否直接丢弃，不会阻塞等待booleanneverBlock=false;
@Overridepublicvoidstart(){...blockingQueue=newArrayBlockingQueue(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;...}
@Overrideprotectedvoidappend(EeventObject){if(isQueueBelowDiscardingThreshold()&&isDiscardable(eventObject)){//判断是否可以丢数据return;}preprocess(eventObject);put(eventObject);}
privatebooleanisQueueBelowDiscardingThreshold(){return(blockingQueue.remainingCapacity()<discardingThreshold);}
privatevoidput(EeventObject){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privatevoidputUninterruptibly(EeventObject){booleaninterrupted=false;try{while(true){try{blockingQueue.put(eventObject);break;}catch(InterruptedExceptione){interrupted=true;}}}finally{if(interrupted){Thread.currentThread().interrupt();}}}}
队列满时：offer不阻塞，而put会阻塞
neverBlock为true时，使用offer
publicclassAsyncAppenderextendsAsyncAppenderBase<ILoggingEvent>{//是否收集调用方数据booleanincludeCallerData=false;protectedbooleanisDiscardable(ILoggingEventevent){Levellevel=event.getLevel();//丢弃≤INFO级日志returnlevel.toInt()<=Level.INFO_INT;}protectedvoidpreprocess(ILoggingEventeventObject){eventObject.prepareForDeferredProcessing();if(includeCallerData)eventObject.getCallerData();}}publicclassAsyncAppenderBase<E>extendsUnsynchronizedAppenderBase<E>implementsAppenderAttachable<E>{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。
4如何选择日志级别?使用{}占位符，就不用判断loglevel了吗?
据不知名网友说道：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。是真的吗？
验证代码：返回结果耗时1s
若记录DEBUG日志，并设置只记录>=INFO级日志，程序是否也会耗时1s？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Log4j2API，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，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。若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记录方式不能完全取代日志级别的判断。若日志量很大，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！
logo设计
创造品牌价值
¥500元起
APP开发
量身定制，源码交付
¥2000元起
商标注册
一个好品牌从商标开始
¥1480元起
公司注册
注册公司全程代办
¥0元起
查
看
更
多
- 官方电话官方服务
- 官方网站八戒财税知识产权八戒服务商企业需求数字市场