博客
关于我
对乱糟糟的日志说再见
阅读量:408 次
发布时间:2019-03-06

本文共 758 字,大约阅读时间需要 2 分钟。

最近有朋友向我抱怨公司系统日志质量不高,实用信息稀少,日志之间零散难追踪。我询问他公司是否有日志收集工具,他表示公司已接入收费第三方日志产品,但日志缺乏关键信息和统一规范,微服务间追踪困难。

经过了解,我推荐了开源分布式追踪框架skywalking和pinpoint,但由于搭建成本和存储成本问题,朋友犹豫不决。后来,我在开源社区发现了一款开源框架TLog,宣称轻量级且易于接入。

项目特性

TLog由Gitee托管,界面以暗黑风格设计。其核心功能是为每行日志自动打标签,包括系统级和业务级标签。标签分为系统标签和业务自定义标签,支持多级追踪。

支持的日志框架

TLog支持log4j、log4j2和logback三大日志框架,提供三种接入方式。测试显示,JavaAgent方式在复杂项目中可能不稳定,但官方支持的接入方式稳定可靠。

支持的RPC框架

TLog支持Dubbo、Spring Cloud和Dubbox等常用RPC框架,能自动适配Spring Boot环境,无需额外配置。原生Spring环境需简单配置,但文档详细说明。

业务标签

TLog允许开发者自定义业务标签,通过注解快速实现。标签支持逻辑处理,可自定义信息处理类,提升日志排版和查找效率。

其他场景支持

TLog支持异步线程和线程池,但线程池需辅助类侵入代码。MQ场景需少量改造才能支持标签传递。

性能

性能测试显示,TLog对日志打印的影响微乎其微,甚至可能稍微加快。测试显示,加TLog后10w日志平均耗时12.89秒,差异不大,但样本量小,需更多测试验证。

总结

TLog适合中小型企业快速解决日志追踪问题,集成分布式追踪功能,标签系统完善,性能优越。缺点是无法自行收集日志,需结合其他收集方案。总体来说,TLog是一个值得关注的开源工具。

转载地址:http://hyxkz.baihongyu.com/

你可能感兴趣的文章
Numix Core 开源项目教程
查看>>
numpy
查看>>
NumPy 或 Pandas:将数组类型保持为整数,同时具有 NaN 值
查看>>
numpy 或 scipy 有哪些可能的计算可以返回 NaN?
查看>>
numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
查看>>
numpy 数组与矩阵的乘法理解
查看>>
NumPy 数组拼接方法-ChatGPT4o作答
查看>>
numpy 用法
查看>>
Numpy 科学计算库详解
查看>>
Numpy.fft.fft和numpy.fft.fftfreq有什么不同
查看>>
Numpy.ndarray对象不可调用
查看>>
Numpy:按多个条件过滤行?
查看>>
Numpy:条件总和
查看>>
numpy、cv2等操作图片基本操作
查看>>
numpy判断对应位置是否相等,all、any的使用
查看>>
Numpy如何使用np.umprod重写range函数中i的python
查看>>
numpy数组替换其中的值(如1替换为255)
查看>>
numpy数组索引-ChatGPT4o作答
查看>>
NUMPY矢量化np.prod不能构造具有超过32个操作数的ufunc
查看>>
Numpy矩阵与通用函数
查看>>