說到Java日志，大家肯定都會說要選擇合理的日志級別、合理控制日志內(nèi)容，但是這僅是萬里長征步……哪怕一些DEBUG級別的日志在生產(chǎn)環(huán)境中不會輸出到文件中，也可能帶來不小的開銷。我們撇開判斷和方法調(diào)用的開銷，在Log4J 2.x的性能文檔中有這樣一組對比：
logger.debug("Entry number: " + i + " is " + String.valueOf(entry[i]));
logger.debug("Entry number: {} is {}", i, entry[i]);上面兩條語句在日志輸出上的效果是一樣的，但是在關(guān)閉DEBUG日志時，它們的開銷就不一樣了，主要的影響在于字符串轉(zhuǎn)換和字符串拼接上，無論是否生效，前者都會將變量轉(zhuǎn)換為字符串并進行拼接，而后者則只會在需要時執(zhí)行這些操作。Log4J官方的測試結(jié)論是兩者在性能上能相差兩個數(shù)量級。試想一下，如果某個對象的toString()方法里用了ToStringBuilder來反射輸出幾十個屬性時，這時能省下多少資源。
因此，某些仍在使用Log4J 1.x或Apache Commons Logging（它們不支持{}模板的寫法）的公司都會有相應的編碼規(guī)范，要求在一定級別的日志（比如DEBUG和INFO）輸出前增加判斷：
if (logger.isDebugEnabled()) {
logger.debug("Entry number: " + i + " is " + String.valueOf(entry[i]));
}
除了日志級別和日志消息，通常在日志中還會包含一些其他信息，比如日期、線程名、類信息、MDC變量等等，根據(jù)Takipi的測試，如果在日志中加入class，性能會急劇下降，比起LogBack的默認配置，吞吐量的降幅在6成左右。如果一定要打印類信息，可以考慮用類名來命名Logger。
在分布式系統(tǒng)中，一個請求可能會經(jīng)過多個不同的子系統(tǒng)，這時好生成一個UUID附在請求中，每個子系統(tǒng)在打印日志時都將該UUID放在MDC里，便于后續(xù)查詢相關(guān)的日志。《The Ultimate Guide: 5 Methods For Debugging Production Servers At Scale》一文中就如何在生產(chǎn)環(huán)境中進行調(diào)試給出了不少建議，當中好幾條是關(guān)于日志的，這就是其中之一。另一條建議是記錄下所有未被捕獲的日志，其實拋出異常有開銷，記錄異常同樣會帶來一定的開銷，主要原因是Throwable類的fillInStackTrace方法默認是同步的：
public synchronized native Throwable fillInStackTrace();一般使用logger.error都會打出異常的堆棧，如果對吞吐量有一定要求，在情況運行時可以考慮覆蓋該方法，去掉synchronized native，直接返回實例本身。
聊完日志內(nèi)容，再來看看Appender。在Java中，說起IO操作大家都會想起NIO，到了JDK 7還有了AIO，至少都知道讀寫加個Buffer，日志也是如此，同步寫的Appender在高并發(fā)大流量的系統(tǒng)里多少有些力不從心，這時就該使用AsyncAppender了，同樣是使用LogBack：
在10線程并發(fā)下，輸出200字符的INFO日志，AsyncAppender的吞吐量高能是FileAppender的3.7倍。在不丟失日志的情況下，同樣使用AsyncAppender，隊列長度對性能也會有一定影響。
如果使用Log4J 2.x，那么除了有AsyncAppender，還可以考慮性能更高的異步Logger，由于底層用了Disruptor，沒有鎖的開銷，性能更為驚人。根據(jù)Log4J 2.x的官方測試，同樣使用Log4J 2.x：
64線程下，異步Logger比異步Appender快12倍，比同步Logger快68倍。
同樣是異步，不同的庫之間也會有差異：
同等硬件環(huán)境下，Log4J 2.x全部使用異步Logger會比LogBack的AsyncAppender快12倍，比Log4J 1.x的異步Appender快19倍。
(點擊放大圖像)
Log4J 2.x的異步Logger性能強悍，但也有不同的聲音，覺得這只是個看上去很優(yōu)雅，只能當成一個玩具。關(guān)于這個問題，還是留給讀者自己來思考吧。
如果一定要用同步的Appender，那么可以考慮使用ConsoleAppender，然后將STDOUT重定向到文件里，這樣大約也能有10%左右的性能提升。
大部分生產(chǎn)系統(tǒng)都是集群部署，對于分布在不同服務器上的日志，用Logstash之類的工具收集就好了。很多時候還會在單機上部署多實例以便充分利用服務器資源，這時千萬不要貪圖日志監(jiān)控或者日志查詢方便，將多個實例的日志寫到同一個日志文件中，雖然LogBack提供了prudent模式，能夠讓多個JVM往同一個文件里寫日志，但此種方式對性能同樣也有影響，大約會使性能降低10%。
如果對同一個日志文件有大量的寫需求，可以考慮拆分日志到不同的文件，做法之一是添加多個Appender，同時修改代碼，不同的情況使用不同Logger；LogBack提供了SiftingAppender，可以直接根據(jù)MDC的內(nèi)容拆分日志，Jetty的教程中就有根據(jù)host來拆分日志的范例，而根據(jù)Takipi的測試，SiftingAppender的性能會隨著拆分文件數(shù)的增長一同提升，當拆分為4個文件時，10并發(fā)下SiftingAppender的吞吐量約是FileAppender的3倍多。
本站文章版權(quán)歸原作者及原出處所有 。內(nèi)容為作者個人觀點， 并不代表本站贊同其觀點和對其真實性負責，本站只提供參考并不構(gòu)成任何投資及應用建議。本站是一個個人學習交流的平臺，網(wǎng)站上部分文章為轉(zhuǎn)載，并不用于任何商業(yè)目的，我們已經(jīng)盡可能的對作者和來源進行了通告，但是能力有限或疏忽，造成漏登，請及時聯(lián)系我們，我們將根據(jù)著作權(quán)人的要求，立即更正或者刪除有關(guān)內(nèi)容。本站擁有對此聲明的最終解釋權(quán)。
