java 日志记录沉淀经验的核心做法是建立统一的日志规范,通过配置 logback 或 log4j2 实现结构化输出,并配合 aop 切面自动捕获异常与耗时。具体而言,需要定义全局的日志级别策略、统一异常堆栈打印格式以及关键业务参数的脱敏处理。这样做的结果是日志数据具备高可读性和机器可解析性,便于后续接入 elk 等监控系统进行故障排查和性能分析。

如何配置 Logback 实现结构化 JSON 日志输出
要实现结构化日志,需引入 logstash-logback-encoder 依赖并在 logback-spring.xml 中配置 JsonEncoder。将默认的 PatternLayout 替换为 JsonLayout,可以确保每条日志以 JSON 对象形式输出,包含时间戳、线程名、日志级别、类名及消息体。这种配置使得日志能够被 Logstash 或 Filebeat 直接解析为字段,从而在 Kibana 中进行多维度的检索和聚合分析。

<configuration>
<appender name="JSON" class="ch.qos.logback.core.ConsoleAppender">
<encoder class="net.logstash.logback.encoder.LogstashEncoder" />
</appender>
<root level="INFO">
<appender-ref ref="JSON" />
</root>
</configuration>上述配置运行后,控制台输出的日志不再是纯文本行,而是标准的 JSON 字符串。例如:{"timestamp":"2023-10-27T10:00:00.000+08:00","level":"INFO","logger":"com.example.Service","message":"User login success","thread":"main"}。开发者可以通过检查输出格式,确认所有关键字段均已正确序列化,且无特殊字符导致的解析错误。
立即学习“Java免费学习笔记(深入)”;
使用 Husky 将 pre-commit、pre-push 和 commit-msg 检查集成到仓库中,以便代理和开发人员在更改离开工作站之前运行相同的本地防护措施。
如何利用 AOP 统一捕获业务异常与耗时
为了避免在每个 Service 方法中重复编写 try-catch 块,可以使用 Spring AOP 创建切面类 LogAspect。在切面中定义 @Around 通知,拦截目标方法的执行。在方法执行前记录开始时间,执行后计算耗时,若发生异常则通过 Logger.error 打印堆栈信息。这种方式能将非业务逻辑的日志代码从业务代码中剥离,保持核心逻辑的整洁。

@Aspect
@Component
public class LogAspect {
private static final Logger logger = LoggerFactory.getLogger(LogAspect.class);
@Around("execution(* com.example.service.*.*(..))")
public Object logExecutionTime(ProceedingJoinPoint joinPoint) throws Throwable {
long start = System.currentTimeMillis();
try {
return joinPoint.proceed();
} catch (Throwable e) {
logger.error("Exception in {} : {}", joinPoint.getSignature().getName(), e.getMessage(), e);
throw e;
} finally {
long executionTime = System.currentTimeMillis() - start;
logger.info("Executed {} in {} ms", joinPoint.getSignature().getName(), executionTime);
}
}
}该切面配置生效后,当调用 UserService 下的任何方法时,都会自动记录执行时长和异常信息。预期结果是控制台或日志文件中会出现类似 Executed getUserInfo in 150 ms 的 INFO 级别日志,以及在出错时打印完整的 ERROR 级别堆栈。开发者可通过观察这些日志,快速定位慢查询或频繁报错的业务节点。
基于程序中某个输入、条件或结果的具体问题
在实际应用中,一个常见的问题是敏感数据(如用户手机号、身份证号)直接记录在日志中导致的安全风险。针对这一问题,需要在日志输出前对特定参数进行脱敏处理。可以在 AOP 切面中增加逻辑,使用正则表达式或工具类对入参中的敏感字段进行掩码替换,例如将 13800138000 替换为 138****8000。此外,对于异常消息中的敏感信息,也应进行过滤后再记录到日志中,确保符合数据安全合规要求。

















