泛型日志提取管道通过LogExtractor<T>抽象类解耦格式解析与字段提取，支持JSON、KV、正则等多格式即插即用，配合可组合的FieldResolver和批处理引擎，实现格式无关的结构化日志统一处理。
用泛型类抽象日志提取管道，核心是把“日志格式差异”和“字段提取逻辑”解耦，让同一套骨架适配 JSON、Key-Value、纯文本、Nginx access log 等多种输入，同时支持动态扩展新格式而不动主流程。
泛型日志处理器定义：统一入口，类型安全
定义一个泛型抽象类 LogExtractor<T>，其中 T 是日志原始载体类型（如 String、Map<String, Object>、JSONObject、LogEvent）。它声明两个关键能力：
- parse(String raw)：将原始日志字符串解析为结构化对象 T，失败时返回 Optional.empty()
- extract(T parsed, String field)：从已解析对象中按字段名提取值，支持嵌套路径（如 "user.id" 或 "request.headers.x-trace-id"）
子类只需实现这两个方法，无需关心缓存、线程安全或批量调度——这些由基类封装。
多格式适配器即插即用：JSON、KV、正则三板斧
针对常见日志格式，提供开箱即用的实现：
- JsonLogExtractor：用 Jackson 或 Gson 解析，extract 支持 JsonPath 表达式（如 "$.error.stackTrace"）
- KvLogExtractor：适配 "key1=val1 key2=val2" 类型，自动识别空格/等号分隔，支持引号包裹值（如 msg="user login failed"）
- RegexLogExtractor：预编译正则模板（如 ^(\S+) (\S+) \[(.*?)\] "(.*?)" (\d+) (\d+)），捕获组命名映射到字段名
新增格式？写一个新子类，注册进工厂即可，不改调度器、不改下游分析模块。
字段提取策略可组合：Lambda + 配置驱动
避免硬编码字段逻辑。每个 extractor 可绑定一组 FieldResolver<T>，它是 Function<T, Object> 的增强版：
- 支持默认值、空值跳过、类型转换（如把字符串 "true" 转 boolean）
- 支持条件启用：resolver("trace_id").when(ctx -> ctx.getLevel().equals("ERROR"))
- 配置文件中声明字段清单与 resolver 类型，运行时反射构造，实现“配置即代码”
例如，对所有 ERROR 日志自动注入 trace_id、duration_ms、upstream_ip，其余日志仅取 level 和 message。
管道编排与性能兜底：批处理 + 缓存 + 回退
泛型类之上构建轻量级管道引擎：
- 接收日志流（FileReader / KafkaConsumer / SLS Pull），按批次（如 1000 条）分发给匹配的 extractor
- 内置 LRU 缓存最近 100 个解析失败的 raw log 样本，便于诊断格式漂移
- 当某 extractor 连续失败超阈值，自动降级到通用 RegexLogExtractor + 宽松正则，保障管道不中断
- 输出统一为 StructuredLog<T> 对象，含 parsed、extractedFields、parseError、timestamp 等元信息
这样，一条 Nginx 日志和一条 Python logging 输出，经不同 extractor 处理后，能被同一个统计模块按 "status_code" 或 "http_status" 字段聚合，真正实现“格式无关”的分拣。
