前言
logback应该是目前最流行的日志打印框架了，毕竟Spring Boot中默认的集成的日志框架也是logback。
在实际项目开发过程中，常常会遇到由于打印大量日志而导致程序并发降低，QPS降低的问题，而通过logback异步日志输出则能很大程度上解决这个问题。
一、什么是Appender？
官方介绍：
Logback 将编写日志事件的任务委托给名为 Appenders 的组件，Appenders 必须实现ch.qos.logback.core.Appender的接口。
简单来说，Appender就是用来处理logback框架下日志输出事件的组件。
- Appender接口的核心方法如下：
package ch.qos.logback.core;
import ch.qos.logback.core.spi.ContextAware;
import ch.qos.logback.core.spi.FilterAttachable;
import ch.qos.logback.core.spi.LifeCycle;
public interface Appender extends LifeCycle, ContextAware, FilterAttachable {
public String getName();
public void setName(String name);
//核心方法：处理日志事件
void doAppend(E event);
}
其中doAppend()方法是 logback 框架中最重要的方法。它负责将日志事件以适当的格式输出到适当的输出设备。
二、Appender类图
说明：
OutputStreamAppender 是另外三个附加程序的超类，即 ConsoleAppender 和 FileAppender，后者又是 RollingFileAppender 的超类。
下一个图说明了 OutputStreamAppender 及其子类的类图。
1、控制台日志输出 ConsoleAppender
- 配置示例：
%-4relative [%thread] %-5level %logger{35} - %msg %n
说明：
控制台日志输出主要是在开发环境采用，比如在IDEA中开发时，可以清楚直观得在控制台看到运行日志，更方便程序调试。
当应用发布到测试环境、生产环境时，建议关闭控制台日志输出，以提高日志输出的吞吐量，减少不必要的性能开销。
2、单日志文件输出 FileAppender
- 配置示例：
testFile.logtruetrue%-4relative [%thread] %-5level %logger{35} - %msg%n
弊端：
采用单日志文件输出日志，很容易导致日志文件的体积一直膨胀，不利于日志文件的管理和查看。
一般很少采用。
3、滚动日志文件输出 RollingFileAppender
- 配置示例：
logFile.loglogFile.%d{yyyy-MM-dd}.log303GB%-4relative [%thread] %-5level %logger{35} - %msg%n
说明：
通过rollingPolicy 配置日志文件的滚动生成策略，以及历史日志文件保存的天数和总容量大小，
是测试环境和生产环境最推荐的日志输出方式。
三、同步输出和异步输出比较
同步输出
- 传统的日志打印采用的是同步输出的方式，所谓同步日志，即当输出日志时，必须等待日志输出语句执行完毕后，才能执行后面的业务逻辑语句。
- 使用logback的同步日志进行日志输出，日志输出语句与程序的业务逻辑语句将在同一个线程运行。
- 在高并发场景下，日志数量不但激增，作为磁盘IO来说，容易产生瓶颈，导致线程卡顿在生成日志过程中，会影响程序后续的主业务，降低程序的性能。
异步输出
- 使用异步日志进行输出时，日志输出语句与业务逻辑语句并不是在同一个线程中运行，而是有专门的线程用于进行日志输出操作，处理业务逻辑的主线程不用等待即可执行后续业务逻辑。
- 这样即使日志没有完成输出，也不会影响程序的主业务，从而提高了程序的性能。
四、异步日志实现原理AsyncAppender
logback异步输出日志是通过AsyncAppender实现的。AsyncAppender可以异步的记录 ILoggingEvents日志事件。
但是这里需要注意，AsyncAppender只充当事件分配器，它必须引用另一个Appender才能完成最终的日志输出。
示意图：
Logback的异步输出采用生产者消费者的模式，将生成的日志放入消息队列中，并将创建一个线程用于输出日志事件，有效的解决了这个问题，提高了程序的性能。
logback中的异步输出日志使用了AsyncAppender这个appender，通过看AsyncAppender源码，跟到它的父类AsyncAppenderBase，可以看到它有几个重要的成员变量：
AppenderAttachableImpl aai = new AppenderAttachableImpl(); BlockingQueue blockingQueue; AsyncAppenderBase.Worker worker = new AsyncAppenderBase.Worker();
lockingQueue是一个队列，Worker是一个消费线程，基本可以判定是个生产者消费者模式。
- 再看消费者（work）的主要代码：
while (parent.isStarted()) {
try {
E e = parent.blockingQueue.take(); //单条循环
aai.appendLoopOnAppenders(e);
} catch (InterruptedException ie) {
break;
}
}
使用的是while单条循环 ，即logback异步输出是由一个消费者循环单条写入日志文件，工作流程如下图：
五、异步日志配置
配置示例：
配置异步输出日志的方式很简单，添加一个基于异步写日志的 appender，并指向原先配置的 appender即可。
myapp.log%logger{35} - %msg%n100000true
核心配置参数说明：
| 属性名 | 类型 | 描述 |
|---|---|---|
| queueSize | int | BlockingQueue的最大容量，默认情况下，大小为256。 |
| discardingThreshold | int | 设置日志丢弃阈值， 默认情况下，当队列还有20%容量，他将丢弃trace、debug和info级别的日志，只保留warn和error级别的日志。 |
| includeCallerData | boolean | 提取调用方数据可能相当昂贵。若要提高性能，默认情况下，当事件添加到事件队列时，不会提取与事件关联的调用方数据。默认情况下，只复制线程名和 MDC 等“廉价”数据。通过将 includeecallerdata 属性设置为 true，可以指示此附加程序包含调用方数据。 |
| maxFlushTime | int | 根据被引用的 appender 的队列深度和延迟，AsyncAppender 可能需要不可接受的时间来完全刷新队列。当 LoggerContext 停止时，AsyncAppender stop 方法将等待工作线程完成直到超时。使用 maxFlushTime 指定最大队列刷新超时(以毫秒为单位)。无法在此窗口内处理的事件将被丢弃。此值的语义与 Thread.join (long)的语义相同。 |
| neverBlock | boolean | 默认是false，代表在队列放满的情况下是否卡住线程。也就是说，如果配置neverBlock=true，当队列满了之后，后面阻塞的线程想要输出的消息就直接被丢弃，从而线程不会阻塞。 |
默认情况下，event queue配置最大容量为256个events。如果队列已经满了，那么应用程序线程将被阻塞，无法记录新事件，直到工作线程有机会分派一个或多个事件。当队列不再达到最大容量时，应用程序线程可以再次开始记录事件。因此，当应用程序在其事件缓冲区的容量或附近运行时，异步日志记录就变成了伪同步。
这未必是件坏事，AsyncAppender异步追加器设计目的是允许应用程序继续运行，尽管需要稍微多一点的时间来记录事件，直到附加缓冲区的压力减轻。
优化 appenders 事件队列的大小以获得最大的应用程序吞吐量取决于几个因素。
下列任何或全部因素都可能导致出现伪同步行为：
- 大量的应用程序线程
- 每个应用程序调用都有大量的日志事件
- 每个日志事件都有大量数据
- 子级appenders的高延迟
为了保持事情的进展，增加队列的大小通常会有所帮助，代价是减少应用程序可用的堆。
为了减少阻塞，在缺省情况下，当队列容量保留不到20% 时，AsyncAppender 将丢失 TRACE、 DEBUG 和 INFO 级别的事件，只保留 WARN 和 ERROR 级别的事件。
这种策略确保了对日志事件的非阻塞处理(因此具有优异的性能) ，同时在队列容量小于20% 时减少 TRACE、 DEBUG 和 INFO 级别的事件。事件丢失可以通过将丢弃阈值属性设置为0(零)来防止。
六、性能测试
这部分自己还没时间做测试，引用网上的一些测试数据。
既然能提高性能的话，必须进行一次测试比对，同步和异步输出日志性能到底能提升多少倍？
服务器硬件
- CPU 六核
- 内存 8G
测试工具
- Apache Jmeter
1、同步输出日志
- 线程数：100
- Ramp-Up Loop(可以理解为启动线程所用时间) ：0 可以理解为100个线程同时启用
- 测试结果：
重点关注指标 Throughput【TPS】 吞吐量：系统在单位时间内处理请求的数量，在同步输出日志中 TPS 为 44.2/sec
2、异步输出日志
- 线程数 100
- Ramp-Up Loop：0
- 测试结果：
TPS 为 497.5/sec ， 性能提升了10多倍！！！
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持IT俱乐部。
