常用的系统操作日志记录实现方式

1. AOP（面向切面编程）

实现原理
通过拦截方法调用（如Controller层或Service层），在方法执行前后插入日志记录逻辑，实现业务代码与日志逻辑的解耦。

技术实现（以Spring AOP为例）：

@Aspect
@Component
public class LogAspect {
    @Pointcut("execution(* com.example.service.*.*(..))")
    public void servicePointcut() {}

    @Around("servicePointcut()")
    public Object logAround(ProceedingJoinPoint joinPoint) throws Throwable {
        long startTime = System.currentTimeMillis();
        Object result = joinPoint.proceed();
        long endTime = System.currentTimeMillis();
        
        // 记录操作日志（方法名、参数、耗时等）
        LogUtils.log(
            joinPoint.getSignature().getName(),
            joinPoint.getArgs(),
            result,
            endTime - startTime
        );
        return result;
    }
}

优点：

• 无侵入性：不修改业务代码。
• 集中管理：日志逻辑统一维护。
• 灵活性：支持自定义切面（如仅记录特定注解的方法）。

缺点：

• 粒度较粗：难以记录数据库变更细节（如字段级变化）。
• 性能损耗：频繁拦截可能影响性能。

适用场景
业务逻辑层的操作记录（如接口调用、方法执行耗时）。

---

2. Canal中间件监听Binlog

实现原理
通过监听数据库的Binlog日志（如MySQL），解析数据变更事件（增删改），触发日志记录。

技术流程：

1. 部署Canal Server：伪装为MySQL Slave，接收Binlog。
2. 客户端订阅变更：解析Binlog事件（如RowChange）。
3. 记录变更日志：将变更前后的数据写入日志存储。

示例代码（Canal客户端）：

CanalConnector connector = CanalConnectors.newClusterConnector(
    "canal-server:11111", "example", "", "");
connector.connect();
connector.subscribe(".*\\..*"); // 订阅所有表

while (true) {
    Message message = connector.getWithoutAck(100);
    for (CanalEntry.Entry entry : message.getEntries()) {
        CanalEntry.RowChange rowChange = CanalEntry.RowChange.parseFrom(entry.getStoreValue());
        for (CanalEntry.RowData rowData : rowChange.getRowDatasList()) {
            // 记录变更前后的数据
            LogUtils.logDbChange(
                entry.getHeader().getTableName(),
                rowData.getBeforeColumnsList(),
                rowData.getAfterColumnsList()
            );
        }
    }
    connector.ack(message.getId());
}

优点：

• 解耦彻底：完全独立于业务代码。
• 细粒度追踪：支持字段级变更记录。

缺点：

• 架构复杂：需维护Canal中间件。
• 仅限数据库操作：无法记录非DB操作（如文件上传）。

适用场景
数据库层面的数据变更审计（如订单状态变更、用户信息修改）。

---

3. 消息队列异步记录

实现原理
将日志事件发送到消息队列（如Kafka、RabbitMQ），由消费者异步处理，避免阻塞主流程。

实现步骤：

1. 生产日志事件：在业务代码中发送日志消息。

kafkaTemplate.send("operation-log", "用户删除操作: ID=123");

1. 消费并持久化：消费者批量处理日志，写入数据库或文件。

@KafkaListener(topics = "operation-log")
public void saveLog(String logMessage) {
    logRepository.save(new OperationLog(logMessage));
}

优点：

• 高性能：异步处理避免主流程阻塞。
• 削峰填谷：应对高并发场景。
• 扩展性：可接入多个消费者处理日志（如分析、报警）。

缺点：

• 最终一致性：日志可能存在延迟。
• 依赖中间件：需保障消息队列的可用性。

适用场景
高并发系统或需要异步处理的日志（如用户行为埋点）。

---

4. 直接记录（硬编码）

实现原理
在业务代码中直接调用日志服务，同步写入日志。

示例代码：

public void deleteUser(Long userId) {
    try {
        userRepository.deleteById(userId);
        // 直接记录日志
        logService.log("删除用户", "用户ID=" + userId, "SUCCESS");
    } catch (Exception e) {
        logService.log("删除用户", "用户ID=" + userId, "FAIL: " + e.getMessage());
        throw e;
    }
}

优点：

• 简单直接：快速实现，无需额外组件。
• 精准控制：可灵活记录上下文信息。

缺点：

• 耦合度高：日志逻辑分散在代码各处。
• 维护困难：修改日志格式需改动多处。

适用场景
小型项目或需要精准记录特定操作的场景。

---

5. 数据库触发器

实现原理
通过数据库触发器（如MySQL Trigger）在数据变更时自动记录日志。

示例SQL：

CREATE TRIGGER log_user_update 
AFTER UPDATE ON users 
FOR EACH ROW 
BEGIN
    INSERT INTO user_audit_log 
    SET user_id = OLD.id,
        old_name = OLD.name,
        new_name = NEW.name,
        operation_time = NOW();
END;

优点：

• 数据库层面保障：无论通过何种方式修改数据均会触发。
• 无需修改业务代码。

缺点：

• 性能影响：触发器执行增加数据库负载。
• 维护复杂：难以调试和版本控制。

适用场景
对数据变更的强审计需求，且无法通过应用层实现时。

---

6. ORM框架事件监听

实现原理
利用ORM框架（如Hibernate、MyBatis）的拦截器监听数据操作事件。

示例（Hibernate Interceptor）：

public class AuditLogInterceptor extends EmptyInterceptor {
    @Override
    public boolean onSave(Object entity, Serializable id, Object[] state, String[] propertyNames, Type[] types) {
        logService.log("新增操作", "实体=" + entity.getClass().getName());
        return super.onSave(entity, id, state, propertyNames, types);
    }
}

优点：

• 与ORM深度集成：精准捕获数据操作。
• 减少代码侵入。

缺点：

• 依赖ORM框架：不同框架实现方式差异大。
• 无法捕获原生SQL操作。

适用场景
使用ORM框架且需记录数据变更细节的系统。

---

方案对比与选型建议

方案	耦合性	性能影响	实现复杂度	适用场景
AOP	低	中	中	业务方法调用追踪
Canal	无	低	高	数据库字段级变更审计
消息队列	低	低	高	高并发异步日志处理
直接记录	高	高	低	简单场景快速实现
数据库触发器	无	高	中	数据库强审计需求
ORM事件监听	中	中	中	ORM框架下的数据操作追踪

选型建议：

• 全链路审计：结合AOP（业务层）+ Canal（数据库层）。
• 高并发系统：消息队列异步处理 + AOP。
• 简单需求：直接记录或AOP。
• 数据库强审计：Canal或数据库触发器。

根据团队技术栈、性能要求、审计粒度等综合选择，必要时可组合多种方案实现全面覆盖。