linux golang日志怎样分析

在 Linux 环境下使用 Go (Golang) 写服务时，日志分析通常分为 日志产生 → 日志收集 → 日志分析 → 问题定位 几个阶段。下面从实践角度系统讲一下。

一、Go 日志怎么打（先确保可分析）

1. 标准库（不推荐生产）

log.Println("something happened")

缺点：没有级别、没有结构化、不好检索。

2. 推荐结构化日志库

常用：

zap（Uber，性能好）
logrus（易用）
slog（Go 1.21+ 官方）

zap 示例

logger, _ := zap.NewProduction()
defer logger.Sync()

logger.Info("user login",
    zap.String("user", "tom"),
    zap.Int("uid", 1001),
)

输出：

{"level":"info","ts":1710000000.123,"msg":"user login","user":"tom","uid":1001}

✅ 结构化日志是后续分析的基础

二、Linux 下日志文件管理

1. 输出到文件

./app > app.log 2>&1

或使用 systemd：

StandardOutput=append:/var/log/app/app.log
StandardError=append:/var/log/app/app.log

2. 日志轮转（非常重要）

用 logrotate：

/var/log/app/*.log {
    daily
    rotate 7
    compress
    missingok
    notifempty
}

三、基础日志分析命令（Linux）

1. 实时查看

tail -f app.log

2. 错误过滤

grep -i error app.log

3. 统计错误次数

grep ERROR app.log | wc -l

4. 按时间区间

awk '$1 >= "2024-03-01" && $1 <= "2024-03-02"' app.log

5. JSON 日志分析（jq）

cat app.log | jq 'select(.level=="error")'

四、Go 常见日志分析场景

1. Panic / 崩溃分析

grep -A 20 panic app.log

配合：

defer func() {
    if r := recover(); r != nil {
        log.Printf("panic: %v", r)
    }
}()

2. 接口耗时分析

日志中打耗时：

start := time.Now()
// ...
logger.Info("http request",
    zap.String("path", "/login"),
    zap.Duration("cost", time.Since(start)),
)

分析慢接口：

jq 'select(.cost > 500000000)'

3. 用户行为分析

jq 'select(.msg=="user login") | .user' app.log | sort | uniq -c

五、进阶：日志集中分析（生产推荐）

方案 1：ELK

Filebeat 收集
Elasticsearch 存储
Kibana 可视化

适合：

多服务
大规模日志

方案 2：Loki + Grafana

轻量
和 Prometheus 搭配好
适合云原生

方案 3：ClickHouse

超大数据量
SQL 分析日志

六、Go 日志分析最佳实践总结

✅ 使用结构化日志（zap / slog）
✅ 日志包含：时间、级别、trace_id、关键参数
✅ Linux 下必须做 logrotate
✅ 错误日志单独通道
✅ 小项目：grep + jq
✅ 大项目：ELK / Loki

如果你愿意，可以告诉我：

你的 Go 日志库
是 单机还是 k8s
主要想分析 错误 / 性能 / 业务

我可以直接给你一套 可落地的日志方案 + 示例配置。