我是 LEE，老李，一个在 IT 职业摸爬滚打 17 年的技能老兵。

工作背景

春节在家正好闲得没有太多工作，想起年前一个研制项目担任人反应的问题：“老李啊，咱们组一向在运用你这边的 gin 封装的 webservice 结构开发，咱们需求一套规范的异步日志输出模块。现在组内和其他运用 gin 的小伙伴完成的‘各有千秋’不统一，没有一个组或许部门对这部分的代码担任和长期保护。你能不能想想办法。”

这一看便是掉头发的工作，虽然 gin 封装的 webservice 结构是我开发底层服务包，现已推行到公司所有 golang 开发组运用，现在需求一个统一异步日志输出的模块是否真的有意义，要仔细的考虑和研讨下，毕竟有中心事务团队有这样的需求。

干脆打开了 uber-go/zap 日志结构的源代码，看看到底是什么原因推进咱们都要手写异步日志模块。不看不知道，一看吓一跳，项目中 issue#988 就有讨论，我看了下 issue 留言，觉得咱们的说法都挺正确，而项目作者一向无动于衷，并且深信 bufio + 守时 flush 的办法 才是正道，怪不得咱们都要自己手写一个异步日志输出模块。

心智担负

在要写 uber-go/zap 异步日志模块之前，首先要了解异步日志模块的优点、缺点以及适用的场景，这样代码才写的有意义，是真实的处理问题和能帮助到小伙伴的。

关于同步和异步模型的差异，这边就不展开了，估量再写几千字也纷歧定能说清楚，有需求深入了解的小伙伴，能够自行 baidu，那里有许多相关的文章，并且讲解得十分明晰。这儿我就不需求过多解析，而我需求讲的是同步和异步日志模块。

• 同步日志：日志信息投递后，必须要等到日志信息写到对应的 io.Writer 中（os.Stdout, 文件等等）并回来，这个调用进程结束。适宜 Warning 级别以上日志输出，强记载或许落盘需求的日志信息，不能丢掉。
• 异步日志：日志信息投递后，调用进程结束。而日志信息是否能够正确写到对应的 io.Writer 中（os.Stdout, 文件等等）是由异步日志模块确保，不等候调用进程。适宜 Warning 级别以下日志输出，尽量存储日志，假如没有存储，丢掉也没有联系。

那么我就用一句话说了解这两种日志模型的差别。

• 同步日志：慢，安全，日志不丢
• 异步日志：快，不安全，日志极力记载

已然这儿提到是心智担负，可是真实担负在哪里？ 实践上面现已提到了心智担负的中心内容：便是怎么正确的挑选一个日志模型。

而咱们这边需求是清晰知道有部分日志能够丢掉，追求接口响应速度，期望有统一的完成，有人保护代码和与整个 gin 封装的 webservice 结构交融的品质。

前置常识

清晰了开发的需求，开发的目标。承认了开发有意义，确实能处理问题。那么：便是干!!!

在动之前仍是要预备些常识，还要做好结构设计，这样才干回答：一套合理的异步输出模型应该是什么样的？

分享下我了解的一个异步日志模型是什么样的（欢迎咱们来“锤”，可是锤我的时分，费事轻点哈）

有的小伙伴看到这个图觉得有点眼熟？Kafka？不对，不对，不对，还少了一个 Broker。由于这儿不需求对 Producer 完成一个独立的缓冲器和分类器，那么 Broker 这样的人物就不存在了。

简略的介绍下成员人物：

• MessageProducer: 音讯和数据生成者
• CriticalSurface: 并发临界面，所有 MessageProducer 都到这边竞赛操控权，往 RingBuffer 中写入数据
• RingBuffer: 音讯和数据的缓冲（记得缓冲和缓存差异，这边用缓冲便是为了处理 Producer 和 Consumer 和速度差）
• MessageConsumer: 音讯和数据顾客

为什么挑选上面的模型：

1. 期望在现有的 uber-go/zap 的结构上扩展，完成一部分能力，满意功用扩展。
2. 不期望重复做轮子，由于轮子做出来，需求有严格的代码测验和压力测验，才干交付出产体系。
3. 模型简略，好了解，也好完成。
4. 功能比较高，并且架构全体比较合理。

为了完成这个模型，还需求考虑如下几个问题：

1. CriticalSurface 怎么完成？由于要满意多个 MessageProducer 并发运用，那么这个临界面就必须要做，要不然就出现争抢资源失控的状况。
2. 为什么要挑选 RingBuffer？RingBuffer 是目前速度和效率最好的一种缓冲模型，Linux/Unix 体系中广泛运用。
3. 挑选 RingBuffer 需求注意些什么？RingBuffer 有快慢指针的问题，假如操控欠好，快指针就回覆写慢指针的数据，地址数据丢掉的状况。
4. MessageConsumer 数量怎么限制？怎么平衡信息的创建与消费之间的速度差异。
5. 怎么支撑多种日志办法输出类型。(golang 多种 io.Writer 模型)

假如看到这儿，估量现已劝退了许多的小伙伴，我想这便是为什么那个研制项目担任人带着团队问题来找我，期望能够得到处理的原因吧。确实不容易。

处理思路

uber-go/zap 代码剖析

在仔细看看完了 uber-go/zap 的代码今后，发现 uber 便是 uber，代码质量仍是十分不错的，许多模块笼统的十分不错。经过一段时间的考虑后，承认咱们要完成一个独立的 WriteSyncer, 跟 uber-go/zap 中的 BufferedWriteSyncer 扮演相同的人物。

已然要完成，咱们先看看 uber-go/zap 中的源代码怎么界说 WriteSyncer 的。

go.uber.org/zap@v1.24.0/zapcore/write_syncer.go

// A WriteSyncer is an io.Writer that can also flush any buffered data. Note
// that *os.File (and thus, os.Stderr and os.Stdout) implement WriteSyncer.
type WriteSyncer interface {
	io.Writer
	Sync() error
}

WriteSyncer 是一个 interface，也便是咱们只需引用 io.Writer 和完成 Sync() error 这样的一个办法就能够对接 uber-go/zap 体系中。那么 Sync() 这个函数到底是干嘛的？ 望文生义便是让 zap 触发数据同步动作时需求执行的一个办法。可是咱们是异步日志，显着 uber-go/zap 处理完日志相关的数据，丢给我完成的 WriteSyncer 今后，就不应该在干涉异步日志模块的后期动作了，所以 Sync() 给他一个空壳函数就行了。

当然 uber-go/zap 早考虑到这样的状况，就给一个十分棒的包装函数 AddSync()。

go.uber.org/zap@v1.24.0/zapcore/write_syncer.go

// AddSync converts an io.Writer to a WriteSyncer. It attempts to be
// intelligent: if the concrete type of the io.Writer implements WriteSyncer,
// we'll use the existing Sync method. If it doesn't, we'll add a no-op Sync.
func AddSync(w io.Writer) WriteSyncer {
	switch w := w.(type) {
	case WriteSyncer:
		return w
	default:
		return writerWrapper{w}
	}
}
type writerWrapper struct {
	io.Writer
}
func (w writerWrapper) Sync() error {
	return nil
}

uber-go/zap 现已把咱们期望要做的工作都给做好了，咱们只需完成一个规范的 io.Writer 就行了，那持续看 io.Writer 的界说办法。

go/src/io/io.go

// Writer is the interface that wraps the basic Write method.
//
// Write writes len(p) bytes from p to the underlying data stream.
// It returns the number of bytes written from p (0 <= n <= len(p))
// and any error encountered that caused the write to stop early.
// Write must return a non-nil error if it returns n < len(p).
// Write must not modify the slice data, even temporarily.
//
// Implementations must not retain p.
type Writer interface {
	Write(p []byte) (n int, err error)
}

哇，好简略。要完成 io.Writer 仅仅只需完成一个 Write(p []byte) (n int, err error) 办法就行了，So Easy !!!!

上手开发

仍是回到上一章中的 5 个中心问题，我想到这儿应该有答案了：

1. MessageProducer：用一个函数完成，实践上便是 Write(p []byte)，接纳 uber-go/zap 投递来的音讯内容。
2. CriticalSurface 和 RingBuffer： 是最中心的部件，已然要考虑到功能、安全、兼容各种数据类型，一起要有一个 Locker 确保临界面，也要满意 FIFO 模型。思来想去，当然自己也完成了几版，最终仍是用 golang 本身的 channel 来完成。
3. MessageConsumer：用一个 go 协程来执行从 RingBuffer 循环读取，然后往真实的 os.Stdout/os.StdErr/os.File 中输出。（为什么是一个而不是多个？一个速度就满足快了，一起体系底层 io.Writer 本身也带锁，所以一个能减少锁冲撞。）

TIPS： 这儿说说为什么我要挑选 golang 本身的 channel 作为 CriticalSurface 和 RingBuffer 的完成体：

1. channel 是 golang 官方的代码包，有专门的团队对这个代码质量担任。channel 很早就出来了，Bugs 修正的差不多了，十分的稳定牢靠。（也有自己懒了，不想自己写 RingBuffer，然后要考虑各种场景的代码测验。）
2. channel 的 “<-” 动作天然生成就有一个 Locker，有十分好的临界面操控。
3. channel 底层是便是一个 RingBuffer 的完成，效率十分不错，并且假如 channel 满了，数据投递动作就会卡住，假如 channel 空了，数据提取动作也会被卡住，这个机制十分棒。
4. channel 天然生成便是一个 FIFO 的模型，十分适宜做数据缓冲，处理 Producer 和 Consumer 和速度差这样问题。

有了上面的思路，我的代码架构也根本出来了，结构图如下：

这儿我贴出一个完成代码（DEMO 测验用，出产要谨慎重新完成）：

const defaultQueueCap = math.MaxUint16 * 8
var QueueIsFullError = errors.New("queue is full")
var DropWriteMessageError = errors.New("message writing failure and drop it")
type Writer struct {
	name        string
	bufferPool  *extraBufferPool
	writer      io.Writer
	wg          sync.WaitGroup
	lock        sync.RWMutex
	channel     chan *extraBuffer
}
func NewBufferWriter(name string, w io.Writer, queueCap uint32) *Writer {
	if len(name) <= 0 {
		name = "bw_" + utils.GetRandIdString()
	}
	if queueCap <= 0 {
		queueCap = defaultQueueCap
	}
	if w == nil {
		return nil
	}
	wr := Writer{
		name:          name,
		bufferPool:    newExtraBufferPool(defaultBufferSize),
		writer:        w,
		channel:       make(chan *extraBuffer, queueCap),
	}
	wr.wg.Add(1)
	go wr.poller(utils.GetRandIdString())
	return &wr
}
func (w *Writer) Write(p []byte) (int, error) {
	if w.lock.TryRLock() {
		defer w.lock.RUnlock()
		b := w.bufferPool.Get()
		count, err := b.buff.Write(p)
		if err != nil {
			w.bufferPool.Put(b)
			return count, err
		}
		select {
		case w.channel <- b: // channel 内部传递的是 buffer 的指针，速度比传递对象快。
			break
		default:
			w.bufferPool.Put(b)
			return count, QueueIsFullError
		}
		return len(p), nil
	} else {
		return -1, DropWriteMessageError
	}
}
func (w *Writer) Close() {
	w.lock.Lock()
	close(w.channel)
	w.wg.Wait()
	w.lock.Unlock()
}
func (w *Writer) poller(id string) {
	var (
		eb  *extraBuffer
		err error
	)
	defer w.wg.Done()
	for eb = range w.channel {
		_, err = w.writer.Write(eb.buff.Bytes())
		if err != nil {
			log.Printf("writer: %s, id: %s, error: %s, message: %s", w.name, id,
				err.Error(), utils.BytesToString(eb.buff.Bytes()))
		}
		w.bufferPool.Put(eb)
	}
}

然后在 uber-go/zap 中怎么运用呢？

import (
	"go.uber.org/zap"
	"go.uber.org/zap/zapcore"
	"os"
	"time"
)
func main() {
	wr := NewBufferWriter("lee", os.Stdout, 0)
	defer wr.Close()
	c := zapcore.NewCore(
		zapcore.NewJSONEncoder(zap.NewProductionEncoderConfig()),
		zapcore.AddSync(wr),
		zap.NewAtomicLevelAt(zap.DebugLevel),
	)
	log := zap.New(c)
	log.Info("demo log")
	time.Sleep(3 * time.Second) // 这儿要略微等候下，由于是异步的输出，log.Info() 执行结束，日志并没有彻底输出到 console
}

Console 输出：

$ go run asynclog.go
{"level":"info","ts":1674808100.0148869,"msg":"demo log"}

输出成果符合逾期

测验代码

为了验证架构和代码质量，这儿做了异步输出日志、同步输出日志和不输出日志 3 种状况下，对 gin 封装的 webservice 结构吞吐力的影响。

#	测验内容	Requests/sec
1	同步输出日志	20074.24
2	异步输出日志	64197.08
3	不输出日志	65551.84

同步输出日志

$ wrk -t 10 -c 1000 http://127.0.0.1:8080/xx/
Running 10s test @ http://127.0.0.1:8080/xx/
  10 threads and 1000 connections
  Thread Stats   Avg      Stdev     Max   +/- Stdev
    Latency    12.03ms   14.23ms 202.46ms   89.23%
    Req/Sec     2.03k     1.36k    9.49k    59.28%
  202813 requests in 10.10s, 100.58MB read
  Socket errors: connect 757, read 73, write 0, timeout 0
Requests/sec:  20074.24
Transfer/sec:      9.96MB

异步输出日志

$ wrk -t 10 -c 1000 http://127.0.0.1:8080/xx/
Running 10s test @ http://127.0.0.1:8080/xx/
  10 threads and 1000 connections
  Thread Stats   Avg      Stdev     Max   +/- Stdev
    Latency     3.75ms    2.43ms  39.94ms   92.68%
    Req/Sec     6.48k     3.86k   14.78k    57.11%
  648554 requests in 10.10s, 321.62MB read
  Socket errors: connect 757, read 79, write 0, timeout 0
Requests/sec:  64197.08
Transfer/sec:     31.84MB

不输出日志

$ wrk -t 10 -c 1000 http://127.0.0.1:8080/xx/
Running 10s test @ http://127.0.0.1:8080/xx/
  10 threads and 1000 connections
  Thread Stats   Avg      Stdev     Max   +/- Stdev
    Latency     3.69ms  505.13us   9.29ms   77.36%
    Req/Sec     6.60k     4.25k   15.31k    56.45%
  662381 requests in 10.10s, 328.48MB read
  Socket errors: connect 757, read 64, write 0, timeout 0
Requests/sec:  65551.84
Transfer/sec:     32.51MB

总结

经过对上面的工程代码测验，根本完成了 gin + zap 的异步日志输出功用的完成。当然上面的代码仅供小伙伴学习研讨用，并不能作为出产代码运用。

从成果来看，golang 的 channel 全体功能仍是十分不错。基于 channel 完成的异步日志输出根本于不输出日志的吞吐力和功能适当。

在实践工作中，咱们能用 golang 原生库的时分就尽量用，由于 golang 团队在写库的时分，大多数的状况和场景都考虑过，所以没有必自己做一个轮子。安全！安全！安全！

至于 uber-go/zap 团队为什么不愿意完成这样的异步日志输出模型，可能有他们的想法吧。可是我想，不管那种异步日志模型，都存在着程序异常会丢日志的状况。这儿再次提醒小伙伴，要慎重挑选日志体系模型，切不能够一味追求速度而疏忽日志，由于服务日志也是重要的事务数据。