如何利用NLog输出结构化日志，并在Kibana优雅分析日志？

上文我们演示了使用NLog向ElasticSearch写日志的基本过程(输出的是普通文本日志)，今天我们来看下如何向ES输出结构化日志、并利用Kibana中分析日志。

什么是结构化日志？

当前互联网、物联网、大数据突飞猛进，软件越复杂，查找任何给定问题的起因就越困难（且成本更高）。

在实践中我们开发了各种规避、诊断应用程序错误行为的利器：
静态类型检查，自动化测试，事件探查器，崩溃转储和监视系统。但是记录程序执行步骤的日志仍然是事后诊断最丰富的数据源。

在日志分析时，小批量普通的文本对于人类很友好，但却很难从大量普通文本中快速定位、精准提取特定信息。

.....
[2018-04-07T13:45:56.789Z INF] https://example.com/api/warehouse,query reserve,took 100 ms
[2018-04-07T13:45:56.789Z INF] api/commitOrder,OrderId:9876543210,commit order took 50 ms
......
[2018-04-07T13:45:56.789Z INF] /login,user:Kenny,from ip_address:127.0.0.1,took 100 ms
......
[2018-04-07T13:45:56.789Z INF] https://example.com/api/warehouse,OrderId:9876543210,decrease reserve took 10000 ms
[2018-04-07T13:45:56.789Z INF] /api/creatNewOrder,OrderId:9876543210, create order took 100 ms
.....

• 如何找到特定OrderId？
• 如何找到哪些请求耗时较长(比如大于2S)？
• 如何定位到该耗时请求处理管道中哪一段出现性能瓶颈？
• 出现性能瓶颈的请求占比？

普通文本对人类友好，对于机器不友好。
结构化日志提出了Message template来解决日志对机器不友好的问题。

Messgae Template: 是一个与语言无关的规范，以对人类和机器友好的格式捕获、呈现结构化的日志事件。

var traceid = _.TraceIdentifier;
 // 【锁定库存】 这个动作耗时较长
_logger.LogInformation("{TraceId},{endpoint},OrderId:{orderId},decrease reserve took {elasped} ms", traceid, "https://example.com/api/warehouse", 9876543210, 10000);

注意命名占位符，它们能如格式化字符串占位符{0}{1}一样占位，而且能将属性名称与每个匹配位置的消息数据相关联，如下图以json格式提取了关键消息。

消息模板的优势在于：既能保持普通文本的格式，又具备捕获结构化数据的能力(对机器友好)。

---

下面来完整输出、分析提交订单请求的日志：

利用NLog向ES输出结构化日志

NLog4.5引入结构化日志，支持Message Template， 在ASP.NET Core脚手架Startup文件--->Configure方法添加如下代码：

 app.MapWhen(_ => _.Request.Path.Value == "/" ,
                      appBuilder => appBuilder.Run(_ =>
                     {
                         var traceid = _.TraceIdentifier;
                         // 查询库存
                         _logger.LogInformation("{traceId},{endpoint},query reserve,took{elasped} ms", traceid, "https://example.com/api/warehouse", 100);

                         // 创建订单
                         _logger.LogInformation("{traceId},{endpoint},OrderId:{orderId}, create order took {elasped} ms", traceid, "/api/creatNewOrder", 9876543210, 100);

                         // 锁定库存
                         _logger.LogInformation("{traceId},{endpoint},OrderId:{orderId},decrease reserve took {elasped} ms", traceid, "https://example.com/api/warehouse", 9876543210, 10000);

                         // 提交订单
                         _logger.LogInformation("{traceId},{endpoint},OrderId:{orderId},commit order took {elasped} ms", traceid, "api/commitOrder", 9876543210, 50);

                        _.Response.StatusCode = StatusCodes.Status200OK;
                        _.Response.WriteAsync("Generate Order OK!");  
                       return Task.CompletedTask;
                    }));

这里我们关注如何向ElasticSearch输出结构化日志，请务必将includeAllProperties="true",这样输出到ES的才会包含所有事件属性。

Kibana中分析日志

这个订单请求，会产生6条日志(这里你也会看到日志的显示顺序可能不能如你所愿):

下面给出[锁定库存]日志ES文档， 文档上已经出现了关键的消息属性[traceId] [endpoint] [orderId] [elasped]

{
  "_index": "logstash-20200805",
  "_type": "logevent",
  "_id": "emTivXMBwcdwe4RliB9f",
  "_version": 1,
  "_score": null,
  "_source": {
    "@timestamp": "2020-08-05T17:10:00.7170456+08:00",
    "level": "Info",
    "message": "2020-08-05 17:10:00.7170|INFO|EqidManager.Startup|0HM1P3TAGNJ5Q:00000001,https://example.com/api/warehouse,OrderId:9876543210,decrease reserve took 10000 ms",
    "TraceId": "0HM1P3TAGNJ5Q:00000001",
    "endpoint": "https://example.com/api/warehouse",
    "orderId": 9876543210,
    "elasped": 10000
  },
  "fields": {
    "@timestamp": [
      "2020-08-05T09:10:00.717Z"
    ]
  },
  "sort": [
    1596618600717
  ]
}

通过Kibana界面我们可以便捷地完成如下分析：

1. 通过{TraceId}找到某次请求所有日志
2. 通过{elasped} >=10s 过滤出处理时长大于10s的阶段
3. 通过{ordeid} 追踪该订单完整链路
   ......
   

总结

本文肝时较长(elasped>=10天)

• 从常规诊断日志谈到[对机器友好，适用于分析的结构化日志]，其中的核心是消息模板。
• 再谈到我是如何利用NLog输出结构化日志，其中注意在NLog Target中设置includeAllProperties=true(默认是false)， 摸索了很久
• 最后在Kibana中演示便捷的分析结构化日志

干货周边

1. [消息模板] https://messagetemplates.org/
2. [如何利用NLog输出结构化日志] https://github.com/nlog/nlog/wiki/How-to-use-structured-logging
3. [NLog to ES] https://github.com/markmcdowell/NLog.Targets.ElasticSearch
4. [被忽略的TraceId,可以用起来了] https://www.cnblogs.com/JulianHuang/p/11952959.html
5. Logging with ElasticSearch, Kibana, ASP.NET Core and Docker