在互聯網設計架構過程中，日誌異步落庫，儼然已經是高併發環節中不可缺少的一環。為什麼說是高併發環節中不可缺少的呢？ 原因在於，如果直接用mq進行日誌落庫的時候，低併發下，生產端生產數據，然後由消費端異步落庫，是沒有什麼問題的，而且性能也都是異常的好，估計tp99應該都在1ms以內。但是一旦併發增長起來，慢慢的你就發現生產端的tp99一直在增長，從1ms，變為2ms，4ms，直至send timeout。尤其在大促的時候，我司的系統就經歷過這個情況，當時mq的發送耗時超過200ms，甚至一度有不少timeout產生。
考慮到這種情況在高併發的情況下才出現，所以今天我們就來探索更加可靠的方法來進行異步日誌落庫，保證所使用的方式不會因為過高的併發而出現接口ops持續下降甚至到不可用的情況。
方案一： 基於log4j的異步appender實現
此種方案，依賴於log4j。在log4j的異步appender中，通過mq進行生產消費入庫。相當於在接口和mq之間建立了一個緩衝區，使得接口和mq的依賴分離，從而不讓mq的操作影響接口的ops。
此種方案由於使用了異步方式，且由於異步的discard policy策略，當大量數據過來，緩衝區滿了之後，會拋棄部分數據。此種方案適用於能夠容忍數據丟失的業務場景，不適用於對數據完整有嚴格要求的業務場景。
來看看具體的實現方式：
首先，我們需要自定義一個Appender，繼承自log4j的AppenderSkeleton類，實現方式如下：
然後在log4j.xml中，為此類進行配置：
最後就可以按照如下的方式進行正常使用了：
注意： 此處需要注意log4j的一個性能問題。在log4j的conversionPattern中，匹配符最好不要出現 C% L%通配符，壓測實踐表明，這兩個通配符會導致log4j打日誌的效率降低10倍。
方案一很簡便，且剝離了接口直接依賴mq導致的性能問題。但是無法解決數據丟失的問題（但是我們其實可以在本地搞個策略落盤來不及處理的數據，可以大大的減少數據丟失的幾率）。但是很多的業務場景，是需要數據不丟失的，所以這就衍生出我們的另一套方案來。
方案二：增量消費log4j日誌
此種方式，是開啟worker在後臺增量消費log4j的日誌信息，和接口完全脫離。此種方式相比方案一，可以保證數據的不丟失，且可以做到完全不影響接口的ops。但是此種方式，由於是後臺worker在後臺啟動進行掃描，會導致落庫的數據慢一些，比如一分鐘之後才落庫完畢。所以適用於對落庫數據實時性不高的場景。
具體的實現步驟如下：
首先，將需要進行增量消費的日誌統一打到一個文件夾，以天為單位，每天生成一個帶時間戳日誌文件。由於log4j不支持直接帶時間戳的日誌文件生成，所以這裡需要引入log4j.extras組件，然後配置log4j.xml如下：
之後在代碼中的申明方式如下：
最後在需要記錄日誌的地方使用方式如下：
這樣就可以將日誌打印到一個單獨的文件中，且按照日期，每天生成一個。
然後，當日志文件生成完畢後，我們就可以開啟我們的worker進行增量消費了，這裡的增量消費方式，我們選擇RandomAccessFile這個類來進行，由於其獨特的位點讀取方式，可以使得我們非常方便的根據位點的位置來消費增量文件，從而避免了逐行讀取這種低效率的實現方式。
注意，為每個日誌文件都單獨創建了一個位點文件，裡面存儲了對應的文件的位點讀取信息。當worker掃描開始的時候，會首先讀取位點文件裡面的位點信息，然後找到相應的日誌文件，從位點信息位置開始進行消費。這就是整個增量消費worker的核心。具體代碼實現如下(代碼太長，做了摺疊)：
+ View Code
此種方式由於worker掃描是每隔一段時間啟動一次進行消費，所以導致數據從產生到入庫，可能經歷時間超過一分鐘以上，但是在一些對數據延遲要求比較高的業務場景，比如庫存扣減，是不能容忍的，所以這裡我們就引申出第三種做法，基於內存文件隊列的異步日誌消費。
方案三：基於內存文件隊列的異步日誌消費
由於方案一和方案二都嚴重依賴log4j，且方案本身都存在著要麼丟數據，要麼入庫時間長的缺點，所以都並不是那麼盡如人意。但是本方案的做法，既解決了數據丟失的問題，又解決了數據入庫時間被拉長的尷尬，所以是終極解決之道。而且在大促銷過程中，此種方式經歷了實戰檢驗，可以大面積的推廣使用。
此方案中提到的內存文件隊列，是我司自研的一款基於RandomAccessFile和MappedByteBuffer實現的內存文件隊列。隊列核心使用了ArrayBlockingQueue，並提供了produce方法，進行數據入管道操作，提供了consume方法，進行數據出管道操作。而且後臺有一個worker一直啟動著，每隔5ms或者遍歷了100條數據之後，就將數據落盤一次，以防數據丟失。具體的設計，就這麼多，感興趣的可以根據我提供的信息，自己實踐一下。
由於有此中間件的加持，數據生產的時候，只需要入壓入管道，然後消費端進行消費即可。未被消費的數據，會進行落盤操作，謹防數據丟失。當大促的時候，大量數據湧來的時候，管道滿了的情況下會阻塞接口，數據不會被拋棄。雖然可能會導致接口在那一瞬間無響應，但是由於有落盤操作和消費操作（此操作操控的是JVM堆外內存數據，不受GC的影響，所以不會出現操作暫停的情況，為什麼呢？因為用了MappedByteBuffer），此種阻塞並未影響到接口整體的ops。
在實際使用的時候，ArrayBlockingQueue作為核心隊列，顯然是全局加鎖的，後續我們考慮升級為無鎖隊列，所以將會參考Netty中的有界無鎖隊列：MpscArrayQueue。預計性能將會再好一些。
受限於公司政策，我僅提供大致思路，但是不會提供具體代碼，有問題評論區交流吧。
上面就是在進行異步日誌消費的時候，我所經歷的三個階段，並且一步一步的優化到目前的方式。雖然過程曲折，但是結果令人歡欣鼓舞。
如果大家喜歡這篇文章的話，希望大家能夠收藏，轉發 謝謝！更多相關資訊可以關注西安華美校區，免費獲得java零基礎教程！額外附送excel教程！
閱讀更多 西安北大青鳥華美教育 的文章
