Go标准log包因同步阻塞、无缓冲、无结构化字段等缺陷,高并发下必须弃用;应选zap或zerolog实现分级、异步、零分配日志。

Go 标准库 log 包不支持日志分级,硬用它做高并发系统的日志输出,会直接暴露性能瓶颈、丢失结构化上下文、无法动态调级——这不是配置问题,是 API 设计层面的不可行。
为什么标准 log 在高并发下必须弃用
标准 log.Logger 虽线程安全,但每条日志都同步执行格式化 + 反射 + 写入,没有缓冲、无异步、无字段抽象。实测在 10k QPS 场景下,log.Printf 占用 CPU 超过 15%,且 os.Stderr 或文件写入成为 goroutine 阻塞点。
- 所有日志共用一个锁(
mu sync.Mutex),高并发时争抢严重 - 无法注入
req_id、user_id等请求级字段,只能拼字符串,后续查日志靠正则硬匹配 -
log.SetFlags和log.SetPrefix只影响默认 logger,自定义多个实例时需重复传参,易漏配 - 错误日志和普通日志混写到同一
os.File,管道或日志采集器(如 filebeat)可能截断 stderr 流
zap 和 zerolog 怎么选:看你的吞吐与调试成本平衡点
两者都是零分配、结构化、支持异步写入的生产级方案,但设计取舍不同:
- 用
zap:需要强类型字段、集成 Prometheus 指标、已有团队熟悉 Uber 工具链;zap.NewProduction()默认 JSON + 堆栈 + 调用位置,但初始化稍重,调试时字段名略冗长(如"caller") - 用
zerolog:偏好链式调用、想快速上手、服务日志量极大但字段简单;zerolog.New(os.Stdout).With().Timestamp().Logger()一行初始化,字段名即变量名(.Str("user_id", uid)),但默认不带堆栈,需手动加.Caller() - 别混用:
slog+zap或zerolog共存会导致 handler 行为不一致,比如slog.Debug()被 zap handler 丢弃,但 zerolog 实例仍输出
分级不是“打标签”,而是控制写入路径和格式化开销
真正的分级策略,在高并发系统里必须落实到三件事:是否写入、写到哪、怎么序列化。例如:
-
Debug级别:只在开发环境启用,且必须包裹条件判断,避免字符串拼接和反射开销if cfg.LogLevel >= zerolog.DebugLevel { logger.Debug().Str("body", string(req.Body)).Send() } -
Info级别:生产环境主干日志,固定字段(method,path,status,duration),用logger.Info().Fields(...).Msg("http request")统一格式 -
Error级别:强制附加stack字段(zerolog.CallerHook或zap.AddStacktrace(zap.ErrorLevel)),并写入os.Stderr或独立 error.log 文件,避免被采集器漏掉 - 轮转必须按大小而非时间:用
lumberjack.Logger配合 zerolog/zap,设MaxSize: 100 * 1024 * 1024,比每日切分更可控;注意lumberjack的Rotate方法非并发安全,需外层加sync.Mutex
动态调级不能只靠环境变量,得有运行时钩子
配置文件或 LOG_LEVEL=debug 只解决启动时设定,线上出问题要临时开 Debug,必须支持热更新:
-
zerolog:用zerolog.Level = &levelVar,再暴露 HTTP 接口修改levelVar值 -
zap:用zap.AtomicLevel,调level.SetLevel(zap.DebugLevel)即可生效,无需重启 - 别依赖函数名判断是否执行:
slog.Debug()即使被 handler 过滤,参数里的fmt.Sprintf或json.Marshal仍会执行——高并发下这是隐形 CPU 杀手
最常被忽略的一点:日志字段值不能是闭包或未求值表达式。比如 .Str("sql", func() string { return slowQueryGen() }()),这个调用会在每次日志记录时执行,不管该条日志最终是否被输出。分级的本质是减少不必要的计算,不是减少字符串打印。











