使用 zap 实现结构化日志记录，捕获 RPC 调用中的网络错误与业务异常，结合 context 传递 trace_id 实现跨服务追踪，并通过集中式日志系统（如 ELK）进行分析告警，提升问题定位效率。
在使用 Golang 的 RPC（远程过程调用）时，错误日志的收集与分析是保障服务稳定性和排查问题的关键环节。一个健壮的系统不仅要能正确处理业务逻辑，还应具备完善的错误追踪能力。下面通过一个简单的示例说明如何在 Golang 中实现 RPC 调用错误日志的有效收集与分析。
启用结构化日志记录
使用结构化日志（如 JSON 格式）便于后续集中采集和分析。推荐使用 zap 或 logrus 等日志库替代标准库的 log。
示例：使用 zap 记录 RPC 调用错误：
package main
<p>import (
"go.uber.org/zap"
"net/rpc"
"net"
"log"
)</p><p>var logger *zap.Logger</p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/00968c3c2c15" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">go语言免费学习笔记（深入）</a>”；</p><p>func init() {
var err error
logger, err = zap.NewProduction()
if err != nil {
log.Fatalf("无法初始化 zap 日志: %v", err)
}
}</p><p>type Args struct {
A, B int
}</p><p>type Arith int</p><p>func (t <em>Arith) Multiply(args </em>Args, reply <em>int) error {
if args.A == 0 || args.B == 0 {
logger.Warn("乘法参数为零",
zap.Int("A", args.A),
zap.Int("B", args.B),
zap.String("method", "Multiply"))
</em>reply = 0
return nil
}
<em>reply = args.A </em> args.B
return nil
}</p>捕获客户端调用异常
RPC 客户端在调用过程中可能遇到网络错误、超时或服务端返回错误。这些都需要统一捕获并记录上下文信息。
func callRPC() {
client, err := rpc.Dial("tcp", "127.0.0.1:1234")
if err != nil {
logger.Error("连接 RPC 服务失败",
zap.String("service", "Arith"),
zap.String("addr", "127.0.0.1:1234"),
zap.Error(err))
return
}
defer client.Close()
<pre class='brush:php;toolbar:false;'>args := &Args{A: 10, B: 0}
var reply int
err = client.Call("Arith.Multiply", args, &reply)
if err != nil {
logger.Error("RPC 调用失败",
zap.String("method", "Arith.Multiply"),
zap.Any("args", args),
zap.Error(err))
return
}
logger.Info("RPC 调用成功",
zap.Int("result", reply))}
添加调用上下文与追踪 ID
在分布式场景中，为每次调用添加唯一 trace_id 有助于跨服务日志关联。
可以结合 context 包传递追踪信息：
import "context"
<p>// 模拟带上下文的日志字段注入
func (t <em>Arith) MultiplyWithContext(ctx context.Context, args </em>Args, reply *int) error {
// 假设从 ctx 获取 trace<em>id
traceID, </em> := ctx.Value("trace_id").(string)</p><pre class='brush:php;toolbar:false;'>if args.A < 0 || args.B < 0 {
logger.Error("无效参数：负数输入",
zap.String("trace_id", traceID),
zap.Int("A", args.A),
zap.Int("B", args.B),
zap.String("method", "MultiplyWithContext"))
return fmt.Errorf("参数不能为负数")
}
*reply = args.A * args.B
return nil}
集中日志分析建议
将日志输出到文件或日志系统（如 ELK、Loki），便于搜索与告警。
- 使用 file-rotating 写入日志文件，避免单文件过大
- 在日志中包含时间戳、服务名、方法名、客户端 IP、错误类型等关键字段
- 对特定错误（如连接拒绝、超时）设置监控告警
- 结合 Prometheus + Grafana 展示 RPC 错误率指标
基本上就这些。通过结构化记录、上下文传递和集中分析，可以大幅提升 Golang RPC 服务的问题定位效率。关键是让每条错误日志都具备足够的上下文信息，而不是只打印“call failed”。
