在多语言微服务架构中，各服务分布广泛，日志分散难以管理。集中收集与分析日志能够帮助开发和运维快速排查问题和优化性能。本文将分享 Python、Java、C++ 与 Go 微服务在日志收集与集中分析方面的实践经验。

一、日志收集与分析优势

1. 集中管理：统一收集各微服务日志，便于检索和分析。

2. 问题排查：快速定位错误和性能瓶颈。

3. 多语言支持：统一日志格式和采集协议，跨语言微服务适配。

4. 监控与告警：日志结合监控指标，触发告警和自动化处理。

二、Python 使用 ELK 示例

import logging
from elasticsearch import Elasticsearch
es = Elasticsearch(['localhost:9200'])
logging.basicConfig(level=logging.INFO)
logging.info('Service started')
es.index(index='service-logs', body={'message': 'Service started'})

三、Java Logback + ELK 示例

<configuration>
    <appender name="ELASTIC" class="net.logstash.logback.appender.LogstashTcpSocketAppender">
        <destination>localhost:5000</destination>
    </appender>
    <root level="INFO">
        <appender-ref ref="ELASTIC" />
    </root>
</configuration>

四、C++ 日志收集示例

#include <spdlog/spdlog.h>
#include <spdlog/sinks/basic_file_sink.h>
auto logger = spdlog::basic_logger_mt("basic_logger", "logs.txt");
logger->info("Service started");

五、Go 使用 Zap + Loki 示例

package main
import (
    "go.uber.org/zap"
    "github.com/grafana/loki-client-go/loki"
)
func main() {
    logger, _ := zap.NewProduction()
    defer logger.Sync()
    logger.Info("Service started")
    // 推送到 Loki 收集
}

六、优化建议

1. 统一日志格式：跨语言微服务使用 JSON 或结构化日志，便于解析。

2. 集中收集：使用 ELK、Loki 或 Graylog 集中管理日志。

3. 实时分析与告警：结合监控指标和日志触发告警。

4. 日志保留策略：根据业务需求设置日志保留周期，防止存储压力。

通过多语言微服务架构下的微服务日志收集与集中分析实践，系统能够实现统一日志管理、快速问题排查和高效运维，为互联网应用提供可靠的日志分析和监控能力。