统计每日各日志级别占比需按日期和级别聚合计数再算百分比；可用logback自定义appender实时统计、离线解析归档日志文件，或借助elk/prometheus+grafana实现生产级监控。
要统计每日不同级别日志（如 INFO、WARN、ERROR 等）的占比，核心思路是：**按日期和日志级别聚合计数，再计算各等级占当日总量的百分比**。不依赖第三方分析平台时，可通过日志文件解析或框架扩展实现；若用 Logback 或 Log4j2，推荐结合自定义 Appender + 内存/本地缓存做轻量统计。
方案一：用 Logback 自定义 Appender 实时统计
在日志写入磁盘前拦截每条日志，提取日期和级别，累加计数：
- 继承 AppenderBase
，重写 append() 方法 - 用 LocalDate.now() 或从
event.getTimeStamp()解析出日期（推荐后者，更准确） - 用 ConcurrentHashMap
> 缓存数据，键为日期（如 "2024-06-15"），内层键为 level（"INFO"、"ERROR"） - 每天零点触发一次汇总并清空当日数据（可用 ScheduledExecutorService 定时检查）
- 提供 HTTP 接口（如 Spring Boot Actuator 端点）或定时打印，输出类似：
2024-06-15: INFO=72.3%, WARN=25.1%, ERROR=2.6%
方案二：离线解析日志文件（适合已有归档）
适用于按天滚动的日志文件（如 app.log.2024-06-15），用 Java 或脚本批量处理：
Alibabacloud Sdk Client Initialization For Java
下载
在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。
- 逐行读取文件，用正则匹配时间戳和日志级别，例如：
\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2}.*?\s+(INFO|WARN|ERROR|DEBUG)\s+ - 统计该文件中各级别出现次数，自动推导日期（文件名或首行时间）
- 汇总后计算占比：
INFO占比 = INFO数量 / 总数 * 100，保留一位小数 - 可导出为 CSV，方便 Excel 查看趋势
方案三：借助 ELK 或 Prometheus + Grafana（生产推荐）
当系统规模较大或需长期监控时，不建议纯代码硬统计：
- Logstash 或 Filebeat 将日志发送到 Elasticsearch，用 Kibana 按
@timestamp.date和level聚合 - 或用 Micrometer + Log4j2 的 LoggingEventCounter，将级别计数暴露为 Prometheus 指标（如
logback_events_total{level="ERROR",date="2024-06-15"}） - Grafana 中用
sum by(level)(rate(logback_events_total[1d]))计算日环比占比
注意事项与细节
避免常见坑：
-
时区问题：确保日志时间戳、系统时间和统计逻辑使用同一时区（推荐 UTC 或明确配置
TimeZone.setDefault(TimeZone.getTimeZone("Asia/Shanghai"))） -
级别标准化：Log4j2 的
WARN和 Logback 的WARNING不同，统一映射为大写标准名（INFO/WARN/ERROR/DEBUG/TRACE） - 性能影响：实时统计避免同步锁或频繁 IO；内存计数建议用 LongAdder 替代 volatile long
- 边界情况：跨天日志（如 23:59:59 写入延迟到次日 00:00:01）按事件实际时间戳归属，不按文件名
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
