使用logrus等结构化日志库统一格式，通过中间件捕获错误并记录上下文，结合ELK、Loki等系统集中收集，为请求添加trace_id实现链路追踪，确保日志输出路径固定以支持外部采集，提升排查效率。
在Go项目中实现错误日志集中管理，核心是统一日志格式、结构化输出、集中收集与可扩展性。通过
标准库
结合第三方工具，可以高效完成这一目标。
使用结构化日志替代fmt.Println
直接使用
fmt
打印错误信息不利于后期分析。推荐使用支持结构化日志的库，如
logrus
或
zap
，它们能输出JSON格式日志，便于集中解析。
示例（使用 logrus）：
统一错误处理中间件或包装函数
在Web服务中，可通过中间件自动捕获并记录错误。以 Gin 框架为例：
立即学习
“
go语言免费学习笔记（深入）
”；
编写一个全局错误恢复中间件
将错误信息结构化写入日志
同时可触发告警或上报监控系统
示例代码：
GitHub Copilot
GitHub AI编程工具，实时编程建议
下载
集成日志收集系统
本地日志仍属于分散状态，需进一步集中。常见方案包括：
ELK Stack
（Elasticsearch + Logstash + Kibana）：Logstash 收集Go服务输出的JSON日志，存入ES供查询展示
Fluentd + Kafka + ES
：适用于高并发场景，Fluentd从文件或标准输出采集，经Kafka缓冲后入库
Loki + Promtail
：Grafana生态组件，轻量且对日志标签支持好，适合云原生环境
关键是确保Go程序的日志输出路径固定（如
/var/log/app/error.log
），并配置采集器监听该文件。
添加上下文与追踪ID提升排查效率
单一错误日志价值有限，加入请求级上下文能快速定位问题链。
为每个请求生成唯一 trace_id
在日志中携带该ID，贯穿整个调用流程
结合OpenTelemetry可实现日志、指标、链路联动分析
示例：
基本上就这些。关键在于尽早规范日志格式，设计可扩展的输出通道，再配合外部系统实现真正的“集中”管理。不复杂但容易忽略细节。
package main
import (
"github.com/sirupsen/logrus"
)
func main() {
log := logrus.New()
log.Formatter = &logrus.JSONFormatter{} // 结构化输出
defer func() {
if err := recover(); err != nil {
log.WithFields(logrus.Fields{
"error": err,
"service": "user-api",
"trace": "stack trace here",
}).Error("系统发生严重错误")
}
}()
// 模拟错误
panic("数据库连接失败")
}
func ErrorLogger(log *logrus.Logger) gin.HandlerFunc {
return func(c *gin.Context) {
defer func() {
if err := c.Errors.Last(); err != nil {
log.WithFields(logrus.Fields{
"path": c.Request.URL.Path,
"method": c.Request.Method,
"error": err.Error(),
"ip": c.ClientIP(),
}).Error("请求处理出错")
}
}()
c.Next()
}
}
traceID := uuid.New().String()
ctx := context.WithValue(c.Request.Context(), "trace_id", traceID)
log.WithFields(logrus.Fields{
"trace_id": traceID,
"user_id": "12345",
"action": "create_order",
}).Error("订单创建失败")