参数化日志可避免字符串拼接开销：仅当日志级别满足时才求值参数，杜绝无效拼接、减少临时对象与gc压力，高并发下显著提升qps并降低内存分配。
直接在日志语句里用 + 拼接多个变量，尤其在高并发场景下，会触发大量临时字符串对象创建、频繁 gc、cpu 白耗——哪怕日志级别被关闭，拼接动作仍执行。真正“优雅”的规避方式，不是换拼接工具，而是绕过拼接本身。
用参数化日志代替字符串拼接
主流日志框架（Log4j2、Logback、SLF4J）都支持占位符语法，核心逻辑是：仅当日志级别满足输出条件时，才对参数求值并格式化。
-
错误写法（每次必拼）：
logger.debug("User " + userId + " accessed " + resource + " at " + new Date()); -
正确写法（按需计算）：
logger.debug("User {} accessed {} at {}", userId, resource, new Date());
注意：这里的 new Date() 也只在 DEBUG 级别启用时才执行；若当前日志级别为 INFO，则整个表达式跳过，零开销。
避免在日志参数中调用复杂方法
即使用了占位符，若传入的是耗时表达式（如 toJson(user)、service.getDetail(id)），依然会白耗资源。
- 优先传原始字段：
logger.info("Order {} status changed to {}", order.getId(), order.getStatus()); - 如必须转换，先判断日志是否开启：
if (logger.isDebugEnabled()) { logger.debug("Full order: {}", toJson(order)); } - 对不可控的 getter（如 Hibernate 代理对象的 toString()），改用显式字段提取，避免懒加载触发
启用异步日志通道隔离 I/O 压力
高并发下，日志写磁盘本身就会成为瓶颈。参数化解决 CPU 和内存问题，异步机制解决线程阻塞问题。
- Log4j2 推荐配置
AsyncAppender或AsyncLogger，底层基于 LMAX Disruptor 队列 - 合理设置队列大小（如
<queuesize>8192</queuesize>），避免满队列时丢弃或阻塞 - 异步模式下，日志事件入队即返回，应用线程几乎无感知；后台专用线程批量刷盘，吞吐量可提升近 8 倍
生产环境精简日志内容与级别
通道再高效，也扛不住无意义的海量日志。高并发系统必须做减法：
- 生产环境默认设为
INFO，禁用DEBUG；确需调试时，动态调整指定类/包级别 - 避免记录敏感字段（密码、token）、大对象（完整 request body）、堆栈全量（除非 ERROR）
- 用结构化日志（JSON 格式）替代自由文本，便于后续解析与采样，减少正则匹配开销
