rust_logger/README.md

🚀 Rust Logger

Rust Logger 是一个专为微服务架构设计的高性能、异步、可扩展的 Rust 日志库。

它基于 Tokio 运行时，支持多输出源（控制台、文件、PostgreSQL），内置分布式追踪（TraceID）支持，并提供自动化的日志轮转与过期清理机制。

✨ 核心特性

• ⚡ 全异步非阻塞：使用 tokio 和 channel 异步写入，确保业务主线程不受 I/O 阻塞。
• 🗄️ PostgreSQL 集成：
  • 支持 自动按月分表（Auto Partitioning），无需人工干预。
  • 支持 service_name 区分多服务。
  • 结构化存储，便于 SQL 审计与分析。
• 📄 文件日志管理：
  • 支持 按天 + 按大小 (100MB) 自动轮转切割。
  • 支持基于文件名的智能过期删除。
• 🔍 分布式追踪 (TraceID)：
  • 基于 Task Local 的无侵入式上下文传递。
  • 全链路日志关联，轻松定位并发请求问题。
• 🧹 自动清理 (Retention)：
  • 后台协程自动清理过期数据库分区和旧日志文件。

📂 项目结构

rust_logger/
├── Cargo.toml          # 项目依赖配置
├── tests/              # 集成测试
├── src/
│   ├── lib.rs          # 库入口 (导出宏与全局实例)
│   ├── core.rs         # 核心引擎 (Channel 管理与后台协程)
│   ├── model.rs        # 数据模型 (LogRecord, LogLevel)
│   ├── context.rs      # 链路追踪上下文 (Task Local)
│   ├── cleaner.rs      # 自动清理任务 (Retention Policy)
│   └── outputs/        # 输出策略模块
│       ├── mod.rs      # LogOutput Trait 定义
│       ├── console.rs  # 控制台输出
│       ├── file.rs     # 文件输出 (含轮转逻辑)
│       └── postgres.rs # 数据库输出 (含自动分表逻辑)

📦 安装说明

由于本项目托管于内部 Kellnr 仓库，请按照以下步骤配置。

1. 配置 Registry 源

在项目根目录或全局的 .cargo/config.toml 中添加：

[registries.kellnr]
index = "sparse+https://kellnr.shay7sev.site/api/v1/crates/"

2. 添加依赖

在你的 Cargo.toml 中添加：

[dependencies]
# 指定 registry 为私有源
rust_logger = { version = "0.1.0", registry = "kellnr" }
tokio = { version = "1", features = ["full"] }
sqlx = { version = "0.7", features = ["postgres", "runtime-tokio-native-tls"] }

🛠️ 快速开始

1. 数据库准备

在使用 PostgreSQL 输出前，请先创建基础表结构：

CREATE TABLE app_logs (
    id BIGSERIAL,
    service_name VARCHAR(50) NOT NULL,
    log_level VARCHAR(10) NOT NULL,
    message TEXT NOT NULL,
    module VARCHAR(100),
    trace_id VARCHAR(64), -- 支持 TraceID
    created_at TIMESTAMPTZ NOT NULL
) PARTITION BY RANGE (created_at);

-- 建立索引
CREATE INDEX idx_logs_service_time ON app_logs(service_name, created_at);
CREATE INDEX idx_logs_trace_id ON app_logs(trace_id);

2. 初始化 Logger

use rust_logger::{
    Logger, LoggerConfig, LogLevel, LogCleaner,
    outputs::{ConsoleOutput, PostgresOutput, FileOutput},
    set_global_logger, log_info
};
use sqlx::postgres::PgPoolOptions;

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    // 1. 连接数据库
    let pool = PgPoolOptions::new().connect("postgres://...").await?;
    
    // 2. 初始化文件输出
    let file_output = FileOutput::new("logs", "my-service").await?;

    // 3. 配置 Logger
    let config = LoggerConfig {
        min_level: LogLevel::INFO,
        outputs: vec![
            Box::new(ConsoleOutput),
            Box::new(PostgresOutput::new(pool.clone())),
            Box::new(file_output),
        ],
    };

    // 4. 启动全局 Logger (传入当前服务名)
    let logger = Logger::init("my-service", config);
    set_global_logger(logger);

    // 5. (可选) 启动自动清理任务：保留 7 天日志
    LogCleaner::new(7)
        .with_db_cleanup(pool)
        .with_file_cleanup("logs", "my-service")
        .start();

    // 6. 打印日志
    log_info!("System started successfully!");

    Ok(())
}

🔍 使用 TraceID 进行链路追踪

在处理 HTTP 请求或复杂业务时，建议使用 with_trace_id 包裹逻辑。

use rust_logger::context::with_trace_id;
use rust_logger::{log_info, log_error};
use uuid::Uuid;

async fn handle_request() {
    let trace_id = Uuid::new_v4().to_string();

    // 在此闭包内的所有日志都会自动带上 trace_id
    with_trace_id(trace_id, async {
        log_info!("收到请求");
        
        process_payment().await;
        
        log_info!("请求处理完成");
    }).await;
}

async fn process_payment() {
    // 无需手动传递 ID，自动获取上下文
    log_info!("正在扣款..."); 
}

日志输出示例：

2026-01-23 10:00:01 [INFO] [a1b2-c3d4...] - 收到请求
2026-01-23 10:00:02 [INFO] [a1b2-c3d4...] - 正在扣款...
2026-01-23 10:00:03 [INFO] [a1b2-c3d4...] - 请求处理完成

实例：编写业务代码 (order-service/src/main.rs)

我们需要引入 uuid 来生成唯一的 ID。

Cargo.toml:

[dependencies]
# ... 其他依赖
uuid = { version = "1.0", features = ["v4"] }

main.rs: 在这个例子中，我们模拟两个并发请求同时进入系统。

use rust_logger::{
    context::with_trace_id, // 核心：上下文管理器
    log_info, log_error, set_global_logger,
    Logger, LoggerConfig, LogLevel, LogCleaner,
    outputs::{ConsoleOutput, PostgresOutput, FileOutput}
};
use sqlx::postgres::PgPoolOptions;
use std::time::Duration;
use uuid::Uuid;
use std::sync::Arc;

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    // 1. 初始化 DB
    let db_url = std::env::var("DATABASE_URL").expect("DATABASE_URL must be set");
    let pool = PgPoolOptions::new().connect(&db_url).await?;

    // 2. 初始化 Logger (同时输出到 Console, DB, File)
    let file_output = FileOutput::new("logs", "order-service").await?;
    
    let config = LoggerConfig {
        min_level: LogLevel::INFO,
        outputs: vec![
            Box::new(ConsoleOutput),
            Box::new(PostgresOutput::new(pool.clone())), // DB
            Box::new(file_output),                       // File
        ],
    };
    
    set_global_logger(Logger::init("order-service", config));

    // 3. 启动清理任务 (可选)
    LogCleaner::new(7).with_db_cleanup(pool.clone()).start();

    println!(">>> 服务启动，开始模拟并发请求...\n");

    // 4. 模拟并发：同时处理两个用户的下单请求
    // 场景：
    // - 用户 A (Alice) 下单成功
    // - 用户 B (Bob) 下单失败
    
    let request_a = tokio::spawn(mock_http_handler("Alice", "ITEM-001", true));
    let request_b = tokio::spawn(mock_http_handler("Bob", "ITEM-999", false)); // 模拟库存不足

    // 等待请求处理完成
    let _ = tokio::join!(request_a, request_b);

    // 等待日志写入完毕
    tokio::time::sleep(Duration::from_secs(1)).await;
    println!("\n>>> 模拟结束。请查看数据库或文件日志。");
    
    Ok(())
}

// 模拟 HTTP 请求入口 (Middleware 层)
async fn mock_http_handler(user: &str, item_id: &str, is_success: bool) {
    // 1. 生成 TraceID (通常从 HTTP Header "X-Trace-ID" 获取，没有则生成)
    let trace_id = Uuid::new_v4().to_string();

    // 2. 【关键】使用 with_trace_id 包裹整个业务逻辑
    // 只要在这个闭包里，无论调用多深层的函数，log_info! 都会自动带上 ID
    with_trace_id(trace_id.clone(), async move {
        log_info!("收到下单请求: User={}, Item={}", user, item_id);
        
        // 进入业务逻辑层
        process_order(user, item_id, is_success).await;
        
        log_info!("请求处理完毕，返回响应给 {}", user);
    }).await;
}

// 模拟业务逻辑层 (Service 层)
async fn process_order(user: &str, item_id: &str, simulate_success: bool) {
    log_info!("正在检查库存: {}", item_id);
    tokio::time::sleep(Duration::from_millis(50)).await; // 模拟耗时

    if simulate_success {
        log_info!("库存充足，开始扣款...");
        payment_service(user, 100).await;
        log_info!("下单成功！订单号: ORDER-{}", Uuid::new_v4());
    } else {
        log_error!("库存不足！商品 {} 缺货", item_id);
        log_info!("订单已取消");
    }
}

// 模拟底层服务 (DAO/RPC 层)
async fn payment_service(user: &str, amount: i32) {
    // 注意：这里我们没有传 trace_id 参数，但 log_info 依然能获取到它！
    log_info!("扣款成功: User={}, Amount=${}", user, amount);
}

测试：运行与证明

运行代码后，我们来看看 为什么 TraceID 是分布式的救命稻草。

1. 如果没有 TraceID (灾难现场)

在控制台或文件中，由于是异步并发，日志会是时间交错的。你看到的可能是这样：

2026-01-22 10:00:01 [INFO] 收到下单请求: User=Alice
2026-01-22 10:00:01 [INFO] 收到下单请求: User=Bob      <-- 乱入
2026-01-22 10:00:02 [INFO] 正在检查库存: ITEM-001
2026-01-22 10:00:02 [INFO] 正在检查库存: ITEM-999      <-- 分不清谁是谁了
2026-01-22 10:00:03 [ERROR] 库存不足！
2026-01-22 10:00:03 [INFO] 库存充足，开始扣款...         <-- 谁库存充足？谁不足？
2026-01-22 10:00:04 [INFO] 扣款成功

问题：当 Bob 投诉说“我下单失败了”，你看着日志里的“扣款成功”会陷入沉思：到底扣没扣 Bob 的钱？

2. 使用 TraceID 后 (真相大白)

现在查看生成的文件日志 logs/order-service-YYYY-MM-DD.log，或者查看数据库。

实际输出：

[INFO] [550e8400-e29b...] - 收到下单请求: User=Alice
[INFO] [a1b2c3d4-ffff...] - 收到下单请求: User=Bob
[INFO] [550e8400-e29b...] - 正在检查库存: ITEM-001
[INFO] [a1b2c3d4-ffff...] - 正在检查库存: ITEM-999
[ERROR] [a1b2c3d4-ffff...] - 库存不足！商品 ITEM-999 缺货
[INFO] [a1b2c3d4-ffff...] - 订单已取消
[INFO] [550e8400-e29b...] - 库存充足，开始扣款...
[INFO] [550e8400-e29b...] - 扣款成功: User=Alice, Amount=$100

虽然行还是交错的，但我们可以清楚地看到 ID a1b2c3d4... (Bob) 对应的是 ERROR，而 ID 550e8400... (Alice) 对应的是 扣款成功。

---

调试：如何追查问题 (Audit)

当生产环境出现问题时，正确的排查姿势如下：

场景：客服转来一个工单，用户 Bob 说 10:00 左右下单失败了。

1. 模糊搜索定位 TraceID 你不知道 TraceID，但知道时间和用户。 使用 grep 或 SQL：

-- 查找 Bob 在那个时间点的第一条日志，为了拿 TraceID
SELECT trace_id, message, created_at 
FROM app_logs 
WHERE message LIKE '%Bob%' 
  AND created_at BETWEEN '2026-01-22 10:00:00' AND '2026-01-22 10:05:00'
LIMIT 1;

结果：拿到 TraceID = a1b2c3d4-ffff...

2. 全链路还原 (The Magic Query) 拿着这个 ID，查询该请求的一生。

SELECT created_at, log_level, module, message 
FROM app_logs 
WHERE trace_id = 'a1b2c3d4-ffff-...' 
ORDER BY created_at ASC;

还原出的故事：

1. 10:00:01 [INFO] 收到请求 (module: mock_http_handler)
2. 10:00:02 [INFO] 检查库存 ITEM-999 (module: process_order)
3. 10:00:03 [ERROR] 库存不足！ (module: process_order) <--- 找到原因了！
4. 10:00:03 [INFO] 订单取消

结论：你可以自信地回复工单：“经排查，用户下单失败是因为商品 ITEM-999 此时没有库存了，系统正确拦截，未扣款。”

---

总结：TraceID 的三大好处

1. 解耦并发：在高并发系统中（每秒几千个请求），TraceID 是唯一能把属于同一个请求的日志“聚合”在一起的键。
2. 跨越边界：虽然本例只演示了一个服务，但 TraceID 通常会通过 HTTP Header 传给下游服务（Payment Service, Stock Service）。这样你在 Kibana/Grafana 里搜一个 TraceID，能看到跨越 5 个微服务的完整调用链。
3. 无侵入开发：你的开发人员不需要在写 payment_service 时手动传递 trace_id 参数，他们只需要写 log_info!，库会自动完成剩下的工作。

⚙️ 高级配置

数据库分区策略

• 库会自动检测当前月份，若 app_logs_YYYY_MM 表不存在，则自动创建。
• 无需 DBA 手动维护未来的分区表。

文件轮转策略

• 按大小：单文件超过 100MB 自动重命名归档。
• 按日期：跨天后自动创建新日期的文件。
• 文件命名：{service_name}-{yyyy-mm-dd}.log

🤝 贡献指南

1. Clone 本仓库。
2. 在 tests/ 目录下编写集成测试。
3. 提交 Pull Request 前请运行 cargo test 确保所有测试通过。

👉 点击查看系统架构 UML 图

🏗️ 架构设计

本库采用 异步事件驱动 (Async Event-driven) 架构，基于 Active Object 模式设计。 业务线程仅负责将日志通过 MPSC Channel 发送，由独立的后台协程负责实际的 I/O 写入，从而实现 Zero-Blocking（零阻塞）的业务性能。

graph TD
    A[Start] --> B[End]