记录错误日志应选用高性能、结构化日志库。1. 推荐使用 zap 或 logrus：zap 适合高并发场景，支持 json 结构化输出，可初始化 logger 并添加上下文字段；logrus 支持钩子机制和灵活格式化，适合中小型项目；2. 错误日志应包含时间、等级、模块名、上下文数据及错误对象；3. 注意避免日志风暴、区分环境格式、集中收集日志并定期清理文件。
记录错误日志是 Golang 项目中非常关键的一环，尤其是在生产环境中。直接使用
标准库
虽然简单，但在实际开发中往往显得功能不足。如果你希望实现结构化、高性能、可扩展的日志系统，推荐集成像
或
这样的高级日志库。
下面从几个常见需求出发，介绍如何用这些工具更好地记录错误日志。
使用 zap 实现高性能结构化日志
Zap 是 Uber 开发的一个高性能日志库，特别适合对性能敏感的场景，比如高并发服务。它支持结构化日志输出（JSON 格式），方便后续日志分析系统处理。
立即学习
“
go语言免费学习笔记（深入）
”；
基本做法：
初始化一个 logger：
记录错误日志时带上上下文信息：
这样输出的日志不仅包含错误信息，还带上了 host 和 port 等关键字段，便于排查问题。
注意：zap 的默认配置会将日志输出为 JSON 格式，如果想在本地调试更友好，可以使用 zap.NewDevelopment() 来获得彩色、易读的控制台输出。
使用 logrus 支持灵活的钩子和格式化
Logrus 是另一个广泛使用的日志库，它的特点是插件丰富，支持各种钩子（hook）机制，例如发送日志到 Slack、邮件或远程服务器。
Python3.6标准库参考手册（PDF版）
Python3.6标准库参考手册（PDF版）
下载
常用技巧：
添加字段（fields）来丰富日志内容：
设置日志级别：
自定义输出格式（例如 JSON）：
Logrus 的灵活性更适合中小型项目或者需要快速接入多种日志渠道的场景。
错误日志应包含哪些信息？
无论你选择哪个库，记录错误日志时都应该尽可能包含以下信息：
错误发生的时间
错误等级（error、warn、info 等）
出错的函数/模块名
关键上下文数据（如用户 ID、请求参数、调用链 ID）
原始错误对象（err）
例如，在 HTTP 请求处理中，可以这样记录：
这样即使多个请求出错，也能通过 user_id 或 path 快速定位问题。
日志输出建议与注意事项
避免日志风暴
：不要在循环或高频函数中频繁打日志，尤其不要在每次错误都打印完整堆栈。
区分环境配置
：开发环境用 human-readable 格式，生产环境用 JSON 更利于解析。
集中收集日志
：结合 ELK 或 Loki 等工具做日志聚合，提高排查效率。
定期清理日志文件
：避免磁盘被日志撑爆，可以用
配合 zap 做自动切割。
基本上就这些。选好日志库并合理配置后，错误日志就能真正成为你排查线上问题的好帮手。
logzaplogruslogger, _ := zap.NewProduction()
defer logger.Sync() // 确保日志写入磁盘logger.Error("数据库连接失败",
zap.String("host", "localhost"),
zap.Int("port", 5432),
zap.Error(err),
)log.WithFields(logrus.Fields{
"user_id": 123,
"action": "login",
}).Error("认证失败")log.SetLevel(logrus.DebugLevel)log.SetFormatter(&logrus.JSONFormatter{})logger.Errorw("请求处理失败",
"method", r.Method,
"path", r.URL.Path,
"user_id", userID,
"error", err,
)lumberjack