在多语言微服务系统中，每个服务可能产生大量日志，如何实现统一采集、聚合与分析是保障系统可观测性和快速定位问题的关键。本文将分享 Python、Java、C++ 与 Go 微服务的日志聚合和集中分析实践。

一、日志聚合优势

1. 统一管理：将多语言微服务日志统一存储和分析。

2. 快速定位问题：跨服务调用链追踪异常和性能瓶颈。

3. 可视化分析：支持仪表盘和告警，提高运维效率。

4. 多语言支持：日志采集与分析框架可适配不同语言服务。

二、Python 日志聚合示例

使用 Python logging 结合 ELK 采集日志：

import logging
logger = logging.getLogger("service1")
logger.setLevel(logging.INFO)
handler = logging.FileHandler("service1.log")
logger.addHandler(handler)
logger.info("Service started")

三、Java 日志聚合示例

Java 使用 Logback 输出日志并发送到 ELK：

<configuration>
    <appender name="FILE" class="ch.qos.logback.core.FileAppender">
        <file>service2.log</file>
        <encoder><pattern>%d %p %c{1} - %m%n</pattern></encoder>
    </appender>
    <root level="INFO"><appender-ref ref="FILE" /></root>
</configuration>

四、C++ 日志聚合示例

C++ 使用 spdlog 输出日志：

#include <spdlog/spdlog.h>
int main() {
    auto logger = spdlog::basic_logger_mt("service3", "service3.log");
    logger->info("Service started");
    return 0;
}

五、Go 日志聚合示例

Go 使用 logrus 输出日志：

package main
import (
    "github.com/sirupsen/logrus"
)
func main() {
    log := logrus.New()
    log.Out = os.Stdout
    log.Info("Service started")
}

六、优化建议

1. 统一日志格式：JSON 或结构化日志便于解析和分析。

2. 集中采集：使用 Filebeat、Fluentd 或 Logstash 将日志聚合到 ELK 或 Loki。

3. 告警与监控：根据日志关键字段设置告警，提高运维响应速度。

4. 跨语言适配：确保各语言服务日志统一采集和分析标准。

通过多语言微服务架构下的日志聚合与集中分析实践，系统能够实现统一可观测性、快速问题定位和优化性能，为互联网服务提供稳定、高效的运维支撑。