logback高级特性二异步记录日志

2023-08-24 16:31:04

问题描述：

下图中JProfiler可看出logback的日志输出占了64%的cpu消耗

优化方案：

1. 这部分写日志的代码写了一些报文数据，确实是比较大的字符串。先禁掉控制台输出，生产环境也不需要控制台输出，写日志文件即可。

配置中去掉控制台输出

<rootlevel="INFO">

<appender-refref="ASYNC_ROLLING_FILE"/>

</root>

优化后的结果，915ms直接变为76ms，优化效果相当显著

2. 可能这时有人会说了，“你控制台禁了，日志文件又禁不了，不还是慢啊！”这话很有道理，但是logback有个好东东，日志文件异步写入

配置如下：

<appendername="ASYNC_ROLLING_FILE"class="ch.qos.logback.classic.AsyncAppender">

<appender-refref="ROLLING_FILE"/>

</appender>

<rootlevel="INFO">

<appender-refref="ASYNC_ROLLING_FILE"/>

</root>

所以在上面的性能监控里面就看不到文件写入的性能消耗了。

异步记录日志

AsyncAppender，异步记录日志。

工作原理：

当Logging Event进入AsyncAppender后，AsyncAppender会调用appender方法，append方法中在将event填入Buffer(这里选用的数据结构为BlockingQueue)中前，会先判断当前buffer的容量以及丢弃日志特性是否开启，当消费能力不如生产能力时，AsyncAppender会超出Buffer容量的Logging Event的级别，进行丢弃，作为消费速度一旦跟不上生产速度，中转buffer的溢出处理的一种方案。AsyncAppender有个线程类Worker，它是一个简单的线程类，是AsyncAppender的后台线程，所要做的工作是：从buffer中取出event交给对应的appender进行后面的日志推送。

从上面的描述中可以看出，AsyncAppender并不处理日志，只是将日志缓冲到一个BlockingQueue里面去，并在内部创建一个工作线程从队列头部获取日志，之后将获取的日志循环记录到附加的其他appender上去，从而达到不阻塞主线程的效果。因此AsynAppender仅仅充当事件转发器，必须引用另一个appender来做事。

在使用AsyncAppender的时候，有些选项还是要注意的。由于使用了BlockingQueue来缓存日志，因此就会出现队列满的情况。正如上面原理中所说的，在这种情况下，AsyncAppender会做出一些处理：默认情况下，如果队列80%已满，AsyncAppender将丢弃TRACE、DEBUG和INFO级别的event，从这点就可以看出，该策略有一个惊人的对event丢失的代价性能的影响。另外其他的一些选项信息，也会对性能产生影响，下面列出常用的几个属性配置信息：

属性名	类型	描述
queueSize	int	BlockingQueue的最大容量，默认情况下，大小为256。
discardingThreshold	int	默认情况下，当BlockingQueue还有20%容量，他将丢弃TRACE、DEBUG和INFO级别的event，只保留WARN和ERROR级别的event。为了保持所有的events，设置该值为0。
includeCallerData	boolean	提取调用者数据的代价是相当昂贵的。为了提升性能，默认情况下，当event被加入到queue时，event关联的调用者数据不会被提取。默认情况下，只有"cheap"的数据，如线程名。

默认情况下，event queue配置最大容量为256个events。如果队列被填满，应用程序线程被阻止记录新的events，直到工作线程有机会来转发一个或多个events。因此队列深度需要根据业务场景进行相应的测试，做出相应的更改，以达到较好的性能。

下面给出一个使用的配置示例：

<appender name="FILE" class= "ch.qos.logback.core.rolling.RollingFileAppender">

<!-- 按天来回滚，如果需要按小时来回滚，则设置为{yyyy-MM-dd_HH} -->

<rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">

<fileNamePattern>/opt/log/test.%d{yyyy-MM-dd}.log</fileNamePattern>

<!-- 如果按天来回滚，则最大保存时间为1天，1天之前的都将被清理掉 -->

<maxHistory>30</maxHistory>

<!-- 日志输出格式 -->

<layout class="ch.qos.logback.classic.PatternLayout">

<Pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{36} -%msg%n</Pattern>

</layout>

</appender>

<!-- 异步输出 -->

<appender name ="ASYNC" class= "ch.qos.logback.classic.AsyncAppender">

<!-- 不丢失日志.默认的,如果队列的80%已满,则会丢弃TRACT、DEBUG、INFO级别的日志 -->

<discardingThreshold >0</discardingThreshold>

<!-- 更改默认的队列的深度,该值会影响性能.默认值为256 -->

<queueSize>512</queueSize>

<!-- 添加附加的appender,最多只能添加一个 -->

<appender-ref ref ="FILE"/>

</appender>

<root level ="trace">

<appender-ref ref ="ASYNC"/>

</root>

同步/ 异步的性能对比测试

1. RollingFileAppender

配置：

<appender name="localFile"

class="ch.qos.logback.core.rolling.RollingFileAppender">

<encoder>

            <ImmediateFlush>false</ImmediateFlush>

<pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{32} %L - %msg %n</pattern>

</encoder>

<file>${LOG_HOME}/fileLog.log</file>

<rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">

<fileNamePattern>${LOG_HOME}/fileLog_%d{yyyyMMddHH}_%i.log.zip

</fileNamePattern>

<timeBasedFileNamingAndTriggeringPolicy

class="ch.qos.logback.core.rolling.SizeAndTimeBasedFNATP">

<maxFileSize>10MB</maxFileSize>

</timeBasedFileNamingAndTriggeringPolicy>

</rollingPolicy>

</appender>

测试30s左右，去掉ImmediateFlush， 37s左右

2. 采用异步输出

配置：

  <appender name ="asyncFile" class= "ch.qos.logback.classic.AsyncAppender">

        <!-- 不丢失日志.默认的,如果队列的80%已满,则会丢弃TRACT、DEBUG、INFO级别的日志 -->

        <discardingThreshold >0</discardingThreshold>

        <!-- 更改默认的队列的深度,该值会影响性能.默认值为256 -->

        <queueSize>2048</queueSize>

         <includeCallerData>true</includeCallerData>

        <!-- 添加附加的appender,最多只能添加一个 -->

        <appender-ref ref ="localFile"/>

    </appender>

includeCallerData = true: 27s左右

includeCallerData = false: 22s左右

3. 现网测试

不开启Logback, TPS: 3100左右；

未添加includeCallerData=true和ImmediateFlush=false时， TPS只能到500左右，添加这两个配置后,TPS能到2900左右

转自：

https://blog.csdn.net/Pasenger/article/details/38582949

https://blog.csdn.net/qq496013218/article/details/76603779

https://blog.csdn.net/ajax_yan/article/details/80519008

码农公寓

问题描述：

优化方案：

异步记录日志

同步/ 异步的性能对比测试

相关文章