Go并发日志记录方法：高并发场景下的实用技巧
在写一个高并发的订单处理服务时，日志是排查问题的第一道防线。但如果多个 goroutine 同时往同一个日志文件里写，轻则日志错乱，重则文件锁死、性能暴跌。这时候，光用 fmt.Println 显然撑不住场面，得上真正的并发日志方案。
避免直接使用标准输出
很多人刚开始会把日志直接打到控制台，比如用 log.Println。但在并发环境下，多个协程同时调用，输出内容容易混在一起。比如两个订单日志可能变成“订单1001状态更新订->成功单1002状态更新->失败”，根本没法看。
使用 zap 实现高性能并发写入
uber 开源的 zap 是目前 Go 里最快的结构化日志库之一。它天生支持并发安全，底层用了缓冲和对象池技术，能扛住大量 goroutine 同时写日志的压力。
下面是一个简单的并发日志示例：
package main\n\nimport (\n\t"go.uber.org/zap"\n\t"sync"\n)\n\nvar logger *zap.Logger\n\nfunc init() {\n\tvar err error\n\tlogger, err = zap.NewProduction()\n\tif err != nil {\n\t\tpanic(err)\n\t}\n}\n\nfunc worker(id int, wg *sync.WaitGroup) {\n\tdefer wg.Done()\n\tlogger.Info("worker started", zap.Int("id", id))\n\t// 模拟业务处理\n\tlogger.Info("worker finished", zap.Int("id", id), zap.String("status", "success"))\n}\n\nfunc main() {\n\tvar wg sync.WaitGroup\n\tfor i := 0; i < 100; i++ {\n\t\twg.Add(1)\n\t\tgo worker(i, &wg)\n\t}\n\twg.Wait()\n\tlogger.Sync() // 别忘了刷新缓冲\n}zap 内部的日志写入是线程安全的，多个 goroutine 调用不会冲突。加上 Sync() 能确保程序退出前所有日志都落盘，避免丢失。
结合 channel 做日志聚合
如果你不想依赖第三方库，也可以自己用 channel 控制日志写入。起一个专门的 logger goroutine，其他协程通过 channel 发送日志消息，实现串行化写入。
package main\n\nimport (\n\t"fmt"\n\t"os"\n\t"sync"\n)\n\ntype LogEntry struct {\n\tMessage string\n}\n\nfunc loggerWorker(logChan <-chan LogEntry, done chan struct{}, wg *sync.WaitGroup) {\n\tfile, err := os.OpenFile("app.log", os.O_CREATE|os.O_WRONLY|os.O_APPEND, 0666)\n\tif err != nil {\n\t\tpanic(err)\n\t}\n\tdefer file.Close()\n\tdefer wg.Done()\n\n\tfor entry := range logChan {\n\t\tfmt.Fprintf(file, "%s\\n", entry.Message)\n\t}\n\tdone <- struct{}{}\n}\n\nfunc main() {\n\tlogChan := make(chan LogEntry, 100)\n\tdone := make(chan struct{})\n\tvar wg sync.WaitGroup\n\n\twg.Add(1)\n\tgo loggerWorker(logChan, done, &wg)\n\n\t// 模拟并发写日志\n\tfor i := 0; i < 10; i++ {\n\t\tgo func(id int) {\n\t\t\tlogChan <- LogEntry{Message: fmt.Sprintf("处理订单 %d 完成", id)}\n\t\t}(i)\n\t}\n\n\tclose(logChan)\n\twg.Wait()\n}这种方式虽然多了一层转发，但保证了文件操作的串行化，适合对依赖敏感的项目。
选择合适的日志轮转策略
日志文件不能无限增长。线上服务跑几天就可能生成几个 GB 的日志。建议搭配 logrotate 工具，或者用 lumberjack 这类库自动切割日志。
例如 zap 可以这样集成：
import (\n\t"go.uber.org/zap"\n\t"go.uber.org/zap/zapcore"\n\t"gopkg.in/natefinch/lumberjack.v2"\n)\n\nfunc newLogger() *zap.Logger {\n\twriter := &lumberjack.Logger{\n\t\tFilename: "logs/app.log",\n\t\tMaxSize: 10, // MB\n\t\tMaxBackups: 5,\n\t\tMaxAge: 7, // 天\n\t\tCompress: true,\n\t}\n\tencoder := zapcore.NewJSONEncoder(zap.NewProductionEncoderConfig())\n\core := zapcore.NewCore(encoder, zapcore.AddSync(writer), zap.InfoLevel)\n\treturn zap.New(core)\n}这样日志会自动按大小切分，老文件打包压缩，省心又省磁盘。
实际项目中，选对日志方案能少掉很多头发。zap 加 lumberjack 的组合，既快又稳，已经成为很多团队的标配。与其自己造轮子，不如直接用成熟的工具，把精力留给真正复杂的业务逻辑。
","seo_title":"Go并发日志记录方法详解 - 高性能日志处理实战","seo_description":"介绍Go语言中实现并发安全日志记录的实用方法，包括zap日志库、channel聚合与日志轮转策略，适用于高并发服务开发场景。","keywords":"Go并发日志,Go日志记录,并发安全日志,zap日志库,Go高并发日志"}