https://www.cnblogs.com/scy251147/p/9193075.html

在互聯網設計架構過程中，日志異步落庫，儼然已經是高并發環節中不可缺少的一環。為什么說是高并發環節中不可缺少的呢？ 原因在于，如果直接用mq進行日志落庫的時候，低并發下，生產端生產數據，然后由消費端異步落庫，是沒有什么問題的，而且性能也都是異常的好，估計tp99應該都在1ms以內。但是一旦并發增長起來，慢慢的你就發現生產端的tp99一直在增長，從1ms，變為2ms，4ms，直至send timeout。尤其在大促的時候，我司的系統就經歷過這個情況，當時mq的發送耗時超過200ms，甚至一度有不少timeout產生。

考慮到這種情況在高并發的情況下才出現，所以今天我們就來探索更加可靠的方法來進行異步日志落庫，保證所使用的方式不會因為過高的并發而出現接口ops持續下降甚至到不可用的情況。

?

方案一： 基于log4j的異步appender實現

此種方案，依賴于log4j。在log4j的異步appender中，通過mq進行生產消費入庫。相當于在接口和mq之間建立了一個緩沖區，使得接口和mq的依賴分離，從而不讓mq的操作影響接口的ops。

此種方案由于使用了異步方式，且由于異步的discard policy策略，當大量數據過來，緩沖區滿了之后，會拋棄部分數據。此種方案適用于能夠容忍數據丟失的業務場景，不適用于對數據完整有嚴格要求的業務場景。

來看看具體的實現方式：

首先，我們需要自定義一個Appender，繼承自log4j的AppenderSkeleton類，實現方式如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

public?class?AsyncJmqAppender extends AppenderSkeleton { ????@Resource(name =?"messageProducer") ????private?MessageProducer messageProducer; ????@Override ????protected?void?append(LoggingEvent loggingEvent) { ????????asyncPushMessage(loggingEvent.getMessage()); ????} ????/** ?????* 異步調用jmq輸出日志 ?????* @param message ?????*/ ????private?void?asyncPushMessage(Object message) { ????????CompletableFuture.runAsync(() -> { ????????????Message messageConverted = (Message) message; ????????????try?{ ????????????????messageProducer.send(messageConverted); ????????????}?catch?(JMQException e) { ????????????????e.printStackTrace(); ????????????} ????????}); ????} ????@Override ????public?boolean requiresLayout() { ????????return?false; ????} ????@Override ????public?void?close() { ????} }

然后在log4j.xml中，為此類進行配置：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

<!--異步JMQ appender--> <appender?name="async_mq_appender" class="com.jd.limitbuy.common.util.AsyncJmqAppender"> ????<!-- 設置File參數：日志輸出文件名 --> ????<param?name="File" value="D:/export/Instances/order/server1/logs/order.async.jmq" /> ????<!-- 設置是否在重新啟動服務時，在原有日志的基礎添加新日志 --> ????<param?name="Append" value="true" /> ????<!-- 設置文件大小 --> ????<param?name="MaxFileSize" value="10KB" /> ????<!-- 設置文件備份 --> ????<param?name="MaxBackupIndex" value="10000" /> ????<!-- 設置輸出文件項目和格式 --> ????<layout?class="org.apache.log4j.PatternLayout"> ????????<param?name="ConversionPattern" value="%m%n" /> ????</layout> </appender> <logger?name="async_mq_appender_logger"> ????<appender-ref?ref="async_mq_appender"/> </logger>

最后就可以按照如下的方式進行正常使用了：

1	private?static?Logger logger = LoggerFactory.getLogger("filelog_appender_logger");

注意： 此處需要注意log4j的一個性能問題。在log4j的conversionPattern中，匹配符最好不要出現 C% L%通配符，壓測實踐表明，這兩個通配符會導致log4j打日志的效率降低10倍。

方案一很簡便，且剝離了接口直接依賴mq導致的性能問題。但是無法解決數據丟失的問題（但是我們其實可以在本地搞個策略落盤來不及處理的數據，可以大大的減少數據丟失的幾率）。但是很多的業務場景，是需要數據不丟失的，所以這就衍生出我們的另一套方案來。

?

方案二：增量消費log4j日志

此種方式，是開啟worker在后臺增量消費log4j的日志信息，和接口完全脫離。此種方式相比方案一，可以保證數據的不丟失，且可以做到完全不影響接口的ops。但是此種方式，由于是后臺worker在后臺啟動進行掃描，會導致落庫的數據慢一些，比如一分鐘之后才落庫完畢。所以適用于對落庫數據實時性不高的場景。

具體的實現步驟如下：

首先，將需要進行增量消費的日志統一打到一個文件夾，以天為單位，每天生成一個帶時間戳日志文件。由于log4j不支持直接帶時間戳的日志文件生成，所以這里需要引入log4j.extras組件，然后配置log4j.xml如下：

之后在代碼中的申明方式如下：

1	private?static?Logger businessLogger = LoggerFactory.getLogger("file_rolling_logger");

最后在需要記錄日志的地方使用方式如下：

1	businessLogger.error(JsonUtils.toJSONString(myMessage))

這樣就可以將日志打印到一個單獨的文件中，且按照日期，每天生成一個。

然后，當日志文件生成完畢后，我們就可以開啟我們的worker進行增量消費了，這里的增量消費方式，我們選擇RandomAccessFile這個類來進行，由于其獨特的位點讀取方式，可以使得我們非常方便的根據位點的位置來消費增量文件，從而避免了逐行讀取這種低效率的實現方式。

注意，為每個日志文件都單獨創建了一個位點文件，里面存儲了對應的文件的位點讀取信息。當worker掃描開始的時候，會首先讀取位點文件里面的位點信息，然后找到相應的日志文件，從位點信息位置開始進行消費。這就是整個增量消費worker的核心。具體代碼實現如下(代碼太長，做了折疊)：

+ View Code

此種方式由于worker掃描是每隔一段時間啟動一次進行消費，所以導致數據從產生到入庫，可能經歷時間超過一分鐘以上，但是在一些對數據延遲要求比較高的業務場景，比如庫存扣減，是不能容忍的，所以這里我們就引申出第三種做法，基于內存文件隊列的異步日志消費。

?

方案三：基于內存文件隊列的異步日志消費

由于方案一和方案二都嚴重依賴log4j，且方案本身都存在著要么丟數據，要么入庫時間長的缺點，所以都并不是那么盡如人意。但是本方案的做法，既解決了數據丟失的問題，又解決了數據入庫時間被拉長的尷尬，所以是終極解決之道。而且在大促銷過程中，此種方式經歷了實戰檢驗，可以大面積的推廣使用。

此方案中提到的內存文件隊列，是我司自研的一款基于RandomAccessFile和MappedByteBuffer實現的內存文件隊列。隊列核心使用了ArrayBlockingQueue，并提供了produce方法，進行數據入管道操作，提供了consume方法，進行數據出管道操作。而且后臺有一個worker一直啟動著，每隔5ms或者遍歷了100條數據之后，就將數據落盤一次，以防數據丟失。具體的設計，就這么多，感興趣的可以根據我提供的信息，自己實踐一下。

由于有此中間件的加持，數據生產的時候，只需要入壓入管道，然后消費端進行消費即可。未被消費的數據，會進行落盤操作，謹防數據丟失。當大促的時候，大量數據涌來的時候，管道滿了的情況下會阻塞接口，數據不會被拋棄。雖然可能會導致接口在那一瞬間無響應，但是由于有落盤操作和消費操作（此操作操控的是JVM堆外內存數據，不受GC的影響，所以不會出現操作暫停的情況，為什么呢？因為用了MappedByteBuffer），此種阻塞并未影響到接口整體的ops。

在實際使用的時候，ArrayBlockingQueue作為核心隊列，顯然是全局加鎖的，后續我們考慮升級為無鎖隊列，所以將會參考Netty中的有界無鎖隊列：MpscArrayQueue。預計性能將會再好一些。

受限于公司政策，我僅提供大致思路，但是不會提供具體代碼，有問題評論區交流吧。

?

上面就是在進行異步日志消費的時候，我所經歷的三個階段，并且一步一步的優化到目前的方式。雖然過程曲折，但是結果令人歡欣鼓舞。如果喜歡就給個推薦，后續我將會持續更新你所不知道的系列，以期達到拋磚引玉的效果。

轉載于:https://www.cnblogs.com/davidwang456/articles/9546790.html

總結

以上是生活随笔為你收集整理的你所不知道的日志异步落库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。