日志与链路追踪：如何快速定位线上问题｜架构思考

#可观测性#后端

日志不是堆在一起，而是要能串起来。

场景与痛点

这篇文章面向正在扩张的团队，从可维护性视角深入拆解日志与链路追踪。当前定位为「深挖」阶段，核心目标是规模化演进与成本优化。我们会从实际场景出发，结合具体代码示例，把关键知识点拆解为可落地的行动步骤。衡量标准：代码复杂度/变更频率。

线上出了问题，第一反应是”看日志”。但当你面对几十个服务、每秒产生上万条日志时，“看日志”变成了大海捞针。更糟糕的是，一个用户请求可能经过 API 网关、用户服务、订单服务、支付服务、通知服务——每个服务都有自己的日志，怎么把它们串起来？这就是链路追踪要解决的问题。结构化日志 + Trace ID 是现代后端系统可观测性的基石。

当团队规模是正在扩张的团队时，最大的挑战不是”不会做”，而是”做了但不可复用、不可追溯”。在需要多端联动的复杂需求的背景下，我们需要一套既轻量又可靠的方案。

核心原理

传统的 console.log 式日志有三个致命问题：格式不统一（有的是纯文本，有的是 JSON），无法检索（只能 grep 关键词），无法关联（跨服务的日志没有关联关系）。当系统规模增长后，这种日志几乎没有排障价值。结构化日志解决了前两个问题，链路追踪解决了第三个问题。两者结合，你可以在几秒内定位到”用户 A 在 14:32:05 的下单请求，在支付服务的第三方回调环节超时了”。

分步实施指南

结构化日志的核心是：每条日志都是一个 JSON 对象，包含固定的字段集合。必要字段包括：timestamp（时间戳）、level（日志级别）、service（服务名）、traceId（链路 ID）、msg（消息）。可选字段包括：userId、requestId、duration、error 等。

链路追踪的实现原理：在请求入口（通常是 API 网关）生成一个全局唯一的 Trace ID，通过 HTTP Header（如 X-Trace-Id）在服务间传递。每个服务在处理请求时，将 Trace ID 写入所有日志。这样，通过 Trace ID 就能检索到一个请求在所有服务中的完整日志链路。

OpenTelemetry 是目前最主流的可观测性标准，它统一了 Traces（链路）、Metrics（指标）、Logs（日志）三种信号的采集和传输协议。建议新项目直接使用 OpenTelemetry SDK，避免被特定厂商锁定。

实战代码

以下代码片段经过简化，可以直接用于项目中：

// 结构化日志工具封装
const logger = {
  info(msg, meta = {}) {
    console.log(JSON.stringify({
      level: 'info',
      timestamp: new Date().toISOString(),
      service: process.env.SERVICE_NAME,
      traceId: meta.traceId || 'unknown',
      msg,
      ...meta
    }));
  },
  error(msg, error, meta = {}) {
    console.error(JSON.stringify({
      level: 'error',
      timestamp: new Date().toISOString(),
      service: process.env.SERVICE_NAME,
      traceId: meta.traceId || 'unknown',
      msg,
      error: { message: error.message, stack: error.stack },
      ...meta
    }));
  }
};

// Express 中间件：注入 Trace ID
app.use((req, res, next) => {
  req.traceId = req.headers['x-trace-id'] || crypto.randomUUID();
  res.setHeader('X-Trace-Id', req.traceId);
  logger.info('request start', {
    traceId: req.traceId,
    method: req.method,
    path: req.path
  });
  next();
});

进阶实践

日志级别使用规范：ERROR 用于需要立即处理的异常，WARN 用于可能的问题但不影响主流程，INFO 用于关键业务节点（请求开始/结束、状态变更），DEBUG 用于开发调试（生产环境关闭）。告警策略：ERROR 日志触发即时告警，WARN 日志按频率告警（5分钟内超过 100 条），INFO 日志不告警但可检索。

踩坑记录

常见错误：日志中包含敏感信息（密码、Token、身份证号）；日志量过大导致存储成本失控（应该做采样和分级存储）；告警太多导致”狼来了”效应（应该分级和抑制）；以及 Trace ID 没有贯穿全链路（某个服务忘记传递了，链路就断了）。

下一步行动

如果你正处于深挖阶段，建议先把核心链路的代码复杂度/变更频率监控建立起来，然后按照上面的步骤逐项推进。记住，降低理解和修改代码的成本不是一蹴而就的，而是持续迭代的过程。每次改进后都要回看数据，确认效果符合预期。