No.169

Node.js 服务的日志和监控应该怎么做？

进阶实践高频约 9 分钟读完

一句话回答

可观测性靠三类数据：日志记录发生了什么，指标反映整体趋势和健康度，链路追踪还原一个请求经过了哪些服务、每段花了多久。日志要输出结构化的 JSON（如用 pino），按级别区分，每条都带上 traceId 方便串起一个请求，并对密码、令牌等敏感信息脱敏。指标用 prom-client 暴露给 Prometheus，至少包括请求量、错误率、延迟分位数，以及 Node.js 特有的事件循环延迟和堆内存。链路追踪用 OpenTelemetry。告警按用户能感知到的症状来设，再配上健康检查端点给负载均衡和容器平台使用。

详细解析

结构化日志

文本

❌ 2026-10-11 10:00:00 用户 1001 下单失败 库存不足
✅ {"level":50,"time":1791713084859,"traceId":"a1b2","userId":1001,"orderId":"o-9","msg":"下单失败","err":{"type":"StockError","message":"库存不足"}}

纯文本日志只能全文搜索；JSON 日志进入日志系统（如 ELK、Loki、云厂商的日志服务）后，可以按 traceId、userId、错误类型精确过滤和聚合统计。

级别	用途
`fatal`	进程即将退出
`error`	请求失败、需要人处理的错误
`warn`	异常但可以自动恢复，如重试成功、触发降级
`info`	关键业务事件：启动、请求摘要、状态变化
`debug` / `trace`	排查用的细节，生产环境默认关闭

为什么常选 pino：它的设计目标是尽量减少对主线程的占用，序列化很快，格式化、发送到远端这些工作交给单独的 transport（可以在 worker 线程中运行）处理。日志直接写到标准输出，由容器平台或采集代理收集，应用不负责切割和上传文件。

traceId 和脱敏

traceId：在请求入口生成（或沿用上游传来的），放进 AsyncLocalStorage，用 pino 的 mixin 让每条日志自动带上，业务代码不用手动传。调用下游服务时，通过请求头把它传下去
脱敏：pino 的 redact 按路径把字段替换成 [Redacted]，比如 req.headers.authorization、*.password。手机号、身份证号这类个人信息也要掩码。脱敏要在日志离开进程前完成，日志系统的访问权限通常比数据库宽松得多
不要记录：完整的请求体和响应体、大对象、每次循环一条的日志。日志量太大既花钱，也会拖慢服务

指标

指标	类型	说明
请求数	Counter	按 method、路由、状态码打标签，算出 QPS 和错误率
请求耗时	Histogram	按桶统计，在 Prometheus 中用 `histogram_quantile` 算 P95、P99
事件循环延迟	默认指标	`nodejs_eventloop_lag_*`，持续升高说明主线程被阻塞，见 CPU 飙高
堆内存、GC	默认指标	`nodejs_heap_size_used_bytes`、GC 耗时，用来发现内存泄漏
业务指标	Counter / Gauge	下单数、支付成功率、队列积压长度

看延迟要看分位数，平均值会掩盖少数很慢的请求
用 Histogram 而不是 Summary：Summary 在每个进程内算好分位数，多个实例的分位数无法再合并；Histogram 的桶可以跨实例相加后再算
标签基数要可控：路由标签用模板（/users/:id），不能用原始 URL；不要把用户 ID、traceId 放进标签，否则时间序列数量会爆炸
cluster 或 PM2 多进程时，每个进程各有一份指标，要用 prom-client 的 AggregatorRegistry 在主进程汇总，或者让每个进程单独暴露端口

链路追踪

OpenTelemetry 是目前通用的标准：在应用启动时加载它的 Node.js SDK 和自动插桩，HTTP、数据库、Redis 客户端的调用会自动生成 span，通过 traceparent 请求头在服务之间传递上下文，数据发给 Jaeger、Tempo 等后端展示。日志里带上 trace ID，就能从一条错误日志直接跳到对应的调用链。

告警和健康检查

按症状告警：错误率、P99 延迟超过阈值，这些是用户能感知到的；CPU 高、内存高这类原因型指标作为排查线索，而不是半夜叫醒人的告警。告警要有明确的处理办法，频繁误报的告警要调整或删除
存活检查（/healthz）：只要进程能响应就返回 200，不检查数据库。失败会导致容器被重启，数据库一抖动所有实例都被重启，反而扩大故障
就绪检查（/readyz）：启动完成、依赖可用才返回 200，失败时只是暂时不分配流量。优雅退出时先让它返回失败，见 Kubernetes 的探针

代码示例

JavaScript

import http from 'node:http'
import { AsyncLocalStorage } from 'node:async_hooks'
import { randomUUID } from 'node:crypto'
import pino from 'pino'
import client from 'prom-client'

const als = new AsyncLocalStorage()
const logger = pino({
  level: process.env.LOG_LEVEL ?? 'info',
  mixin: () => ({ traceId: als.getStore()?.traceId }), // 每条日志自动带 traceId
  redact: ['req.headers.authorization', 'req.headers.cookie', '*.password'],
})

client.collectDefaultMetrics() // CPU、堆内存、事件循环延迟、GC 等默认指标
const httpDuration = new client.Histogram({
  name: 'http_request_duration_seconds',
  help: 'HTTP 请求耗时',
  labelNames: ['method', 'route', 'status_code'],
  buckets: [0.01, 0.05, 0.1, 0.3, 0.5, 1, 3],
})

http.createServer(async (req, res) => {
  if (req.url === '/metrics') {
    res.setHeader('Content-Type', client.register.contentType)
    return res.end(await client.register.metrics())
  }
  if (req.url === '/healthz') return res.end('ok')

  als.run({ traceId: req.headers['x-request-id'] ?? randomUUID() }, () => {
    // route 用路由模板，避免标签基数爆炸
    const end = httpDuration.startTimer({ method: req.method, route: '/login' })
    res.on('finish', () => end({ status_code: res.statusCode }))
    logger.info({ req: { headers: req.headers } }, '登录请求') // authorization 会被替换成 [Redacted]
    res.end('ok')
  })
}).listen(3000)

面试官可能追问

为什么不用 console.log 打日志？

console.log 没有级别、不是结构化的，无法按环境调整输出量。另外，它写入标准输出是同步还是异步取决于输出目标和平台：写文件时是同步的，在 Linux、macOS 上写终端也是同步的，日志量大时会阻塞事件循环；在这些平台上写管道则是异步的，进程突然退出时可能丢失还没写出的日志。专门的日志库提供级别、结构化字段、脱敏、子 logger（logger.child({ module: 'order' })），并对性能做了优化。

错误日志应该怎么写？

把错误对象放在 err 字段里，而不是拼进消息字符串：logger.error({ err, orderId }, '下单失败')，pino 会序列化出类型、消息和堆栈。同一个错误只在最终处理它的地方记录一次，中间层要么处理、要么带上上下文继续抛出，否则一个错误会在日志里出现好几遍。

日志量太大，成本很高怎么办？

先砍掉没人看的日志，生产环境只开 info 及以上；正常请求的摘要日志可以采样记录，错误日志全量保留；链路追踪同样可以按比例采样，或者只保留出错和慢的请求（尾部采样）。日志按重要程度设置不同的保留时间。

易错点

把用户 ID、完整 URL 放进指标标签，时间序列数量爆炸
存活检查依赖数据库，数据库一抖动，所有实例被反复重启
只看平均响应时间，P99 已经很差却没有发现
在日志中打印完整的请求头或请求体，泄露令牌和个人信息

AI 模拟面试官

用自己的话回答，AI 对照参考答案打分、指出遗漏，再追问，最多 3 轮

登录后就可以和 AI 面试官对练，面试记录也会保存下来。登录

这道题你掌握了吗？

选一个最接近的状态，没掌握的题会出现在"我的进度 · 待复习"里。

详细解析#

结构化日志#

traceId 和脱敏#

指标#

链路追踪#

告警和健康检查#

代码示例#

面试官可能追问#

易错点#

这道题你掌握了吗？

详细解析

结构化日志

traceId 和脱敏

指标

链路追踪

告警和健康检查

代码示例

面试官可能追问

易错点