如何在Golang中使用log包输出不同级别日志_Golang log日志管理与分类

Go标准库log包不支持日志级别，需用第三方库或自定义封装实现；推荐zap（高性能生产级）、logrus（易上手扩展强），或用SetPrefix+封装函数模拟级别。

Go 标准库的 log 包本身不支持日志级别（如 debug/info/warn/error），它只提供基础的、同步的、无级别的日志输出。要实现“不同级别日志”，需借助第三方库或自行封装。下面介绍几种实用、轻量、符合 Go 习惯的做法。

用 log.SetPrefix + 自定义函数模拟日志级别

适合小型项目或脚本，无需引入外部依赖。核心思路是为每种级别添加前缀，并统一控制输出格式和目标（如文件、stderr）。

• 调用 log.SetFlags(0) 关闭默认时间戳等信息，避免干扰级别标识
• 用 log.SetPrefix() 或直接拼接字符串区分级别，例如 [INFO]、[WARN]
• 封装成函数，保持调用简洁：Info("user logged in")、Error("db timeout")

示例：

var (
    infoLog = log.New(os.Stdout, "[INFO] ", 0)
    warnLog = log.New(os.Stderr, "[WARN] ", 0)
    errorLog = log.New(os.Stderr, "[ERROR] ", 0)
)

func Info(v ...interface{}) { infoLog.Println(v...) }
func Warn(v ...interface{}) { warnLog.Println(v...) }
func Error(v ...interface{}) { errorLog.Println(v...) }

// 使用
Info("server started on :8080")
Warn("config file not found, using defaults")
Error("failed to connect to database")

使用 zap（推荐用于生产环境）

Uber Zap 是高性能、结构化、支持多级别（Debug/Info/Warn/Error/Panic/Fatal）的日志库，被广泛用于中大型 Go 项目。

• 支持结构化日志（key-value 形式），便于后续采集与分析
• 提供 zap.Logger 和轻量级 zap.SugaredLogger 两种 API
• 可配置输出到文件、控制台，支持轮转（需搭配 lumberjack）

快速上手：

import "go.uber.org/zap"

logger, _ := zap.NewProduction() // 生产模式（JSON 输出，自动加时间、级别、调用栈等）
defer logger.Sync()

logger.Info("user registered", zap.String("email", "a@example.com"), zap.Int("id", 123))
logger.Warn("slow query", zap.Duration("duration", time.Second*2))
logger.Error("auth failed", zap.String("reason", "invalid token"))

用 logrus 实现灵活分级与钩子扩展

Logrus 是较早流行的结构化日志库，API 简洁，插件生态丰富（如 Slack、Email、Elasticsearch 钩子）。

• 内置 Debug/Info/Warn/Error/Fatal/Panic 六个级别
• 支持字段（Fields）附加上下文，例如请求 ID、用户 ID
• 可通过 Hook 实现日志异步发送、过滤、格式转换（如转成 Logfmt）

示例：

import "github.com/sirupsen/logrus"

log := logrus.New()
log.SetLevel(logrus.InfoLevel)
log.SetFormatter(&logrus.TextFormatter{FullTimestamp: true})

log.WithFields(logrus.Fields{
    "user_id": 42,
    "action":  "login",
}).Info("user signed in")

log.WithField("file", "config.yaml").Warn("missing optional field")

日志分类与管理建议

无论用哪个库，“分类”不只是打标签，更涉及生命周期和用途划分：

• 访问日志：记录 HTTP 请求（路径、状态码、耗时），建议单独用 middleware 拦截并写入独立文件，避免混入业务日志
• 错误日志：所有 Error/Fatal 级别应包含足够上下文（如 trace ID、参数快照），方便定位问题
• 调试日志：仅在开发/测试启用（通过环境变量控制），避免线上开启影响性能
• 审计日志：敏感操作（如删库、改密码）需持久化、不可篡改，建议写入专用审计系统或数据库

基本上就这些。标准 log 够用但简陋；zap 性能好、生态稳；logrus 更易上手、扩展性强。选哪个取决于项目规模、团队习惯和可观测性要求。

# ai  # 线上  # 结构化  # 可通过  # 两种  # 第三方  # 自定义  # 几种  # 不支持  # http  # js  # json  # go  # golang  # 环境变量  # Error  # 标准库  # 字符串  # 数据库  # git  # github  # 栈  # 异步  # red  # 封装  # 状态码  # 高性能  # 转成  # elasticsearch 

相关栏目： <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 AI推广<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 SEO优化<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 技术百科<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 谷歌推广<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 百度推广<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 网络营销<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 案例网站<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 精选文章<？ｍｕｍａ echo $count; ?> 】