可观测性与稳定性 / 系统课时
JSON 日志有什么优势
JSON 日志有什么优势
集中日志系统真正需要的不是“把文本搬到服务器”,而是让日志能够按字段检索、聚合和关联。JSON 把时间、级别、服务名与业务上下文直接编码成结构化字段,可以明显减少采集端依赖正则拆分文本的工作。
学习目标
- 理解 JSON 日志相比自由文本日志的主要优势
- 能设计一条便于采集、检索和聚合的 JSON 日志
- 识别 JSON 日志在生产环境中的常见设计问题
JSON 解决的核心问题
传统文本日志经常把多个信息拼进一句话,例如 2026-09-17 INFO order-service user=42 created order 9831。人眼能够读懂,但采集端必须知道空格、等号和字段顺序分别代表什么,一旦应用修改输出格式,原来的正则就可能失效。
JSON 日志则直接保存字段名称和字段值。采集器完成 JSON 解析后,就可以把 level、service、user_id 等字段直接写入日志存储系统,不需要先猜测一段文本的结构。
字段化带来的直接收益
结构化字段首先改善检索。查询某个服务的错误日志时,可以组合 service = order-service 与 level = ERROR,而不是搜索可能同时出现在消息正文中的字符串。
其次是聚合分析。日志平台可以直接统计各服务的错误数量、按 environment 分组,或者根据 request_id 关联同一次请求产生的多条日志。字段类型也更容易保持一致,例如耗时保存为数值后,可以直接计算平均值和分位数。
| 需求 | 自由文本日志 | JSON 日志 |
|---|---|---|
| 提取级别 | 依赖固定位置或正则 | 直接读取 level |
| 查询服务 | 搜索字符串,可能误匹配 | 精确过滤 service |
| 统计耗时 | 先解析文本再转数值 | 直接聚合数值字段 |
| 增加上下文 | 容易改变整行格式 | 增加新字段即可 |
一条可采集的 JSON 日志
下面是一条典型应用日志的数据结构示例。字段名保持稳定,业务消息放在 message,可检索的上下文使用独立字段保存。
{
"timestamp": "2026-09-17T04:20:31.482Z",
"level": "INFO",
"service": "order-service",
"environment": "production",
"message": "order created",
"order_id": "9831",
"user_id": "42",
"duration_ms": 18
}采集端应把整行按 JSON 解析,并确认 duration_ms 被识别为数值、level 和 service 可以作为独立字段过滤。验证时可以发送几条不同级别和不同服务的日志,再检查日志平台是否无需额外正则就能按这些字段筛选。
JSON 不是把所有内容塞进一个对象
JSON 只提供结构,并不会自动保证字段设计合理。字段名频繁变化、同一字段有时是数字有时是字符串,仍然会给索引和查询制造麻烦。日志中还应避免直接记录密码、访问令牌、银行卡号等敏感信息。
另外,不要把原本应该独立检索的数据重新拼回 message。例如与其记录 message: "user 42 created order 9831",更适合把用户和订单分别写入 user_id、order_id,让 message 只承担人类可读的事件描述。这样 JSON 才真正从“另一种文本格式”变成可查询的数据。