使用zap等结构化日志库输出JSON格式日志，结合context传递trace_id、user_id等上下文信息，通过Loki或ELK等系统实现云原生环境下的集中采集与检索，提升可观测性。
Go语言在云原生环境中被广泛使用，良好的日志结构化是可观测性的基础。默认的log包输出的是纯文本，不利于集中采集和分析。要实现云原生日志结构化，核心是输出JSON格式的日志，并包含必要的上下文信息，便于后续通过ELK或Loki等系统进行检索与告警。
使用结构化日志库（如 zap 或 logrus）
Go标准库不支持结构化日志，推荐使用高性能的第三方库：
- uber-go/zap：性能极高，适合生产环境
- spf13/logrus：API友好，插件丰富
以zap为例，初始化一个JSON编码的logger：
logger, _ := zap.NewProduction()
defer logger.Sync()
logger.Info("请求处理完成",
zap.String("method", "GET"),
zap.String("path", "/api/users"),
zap.Int("status", 200),
zap.Duration("latency", 150*time.Millisecond),
)
输出结果为标准JSON：
立即学习“go语言免费学习笔记（深入）”；
{"level":"info","ts":1717784567.123,"caller":"handler.go:45","msg":"请求处理完成","method":"GET","path":"/api/users","status":200,"latency":150000000}注入上下文信息（TraceID、UserID等）
在微服务中，需要将请求链路中的关键标识透传并写入日志。可通过context携带信息，并在日志中提取：
ctx := context.WithValue(r.Context(), "trace_id", "req-12345")
ctx = context.WithValue(ctx, "user_id", "u_6789")
// 中间件中获取并注入到logger
logger.With(
zap.String("trace_id", ctx.Value("trace_id").(string)),
zap.String("user_id", ctx.Value("user_id").(string)),
).Info("处理用户请求")
更优做法是使用zap.Logger结合context封装成请求级别的logger，避免重复传参。
与云原生日志系统集成
结构化日志需配合采集工具才能发挥价值。常见方案：
- Loki + Promtail：轻量高效，适合Kubernetes环境，Promtail抓取容器日志，Loki存储并支持LogQL查询
- ELK（Elasticsearch + Logstash + Kibana）：功能强大，适合复杂分析场景
- Fluent Bit + OpenSearch：资源占用低，适合边缘或高吞吐场景
部署时确保容器日志以stdout/stderr输出，Pod配置正确label，便于采集器识别。
最佳实践建议
- 始终使用JSON格式输出，避免解析错误
- 字段命名统一，如
http.method、http.status_code，兼容OpenTelemetry规范 - 控制日志级别，生产环境避免
Debug泛滥 - 敏感信息脱敏，如密码、身份证号
- 结合Metrics和Tracing，实现三位一体的可观测性
基本上就这些。结构化日志不是一次性工作，而是随着系统演进而持续优化的过程。从第一行日志开始规范，后期排查问题会轻松很多。
