答案：Go微服务通过统一结构化日志输出、标准输出写入、集中采集与上下文追踪实现高效日志收集。1. 使用zap等库输出JSON格式日志；2. 日志写入stdout/stderr，由容器运行时捕获；3. 部署Promtail、Fluent Bit等Agent将日志发送至Loki或Elasticsearch；4. 在日志中注入trace_id，结合OpenTelemetry实现链路追踪。服务仅负责生成日志，采集与存储由外围系统完成，职责分离，稳定可靠。
在Go语言构建的微服务架构中，日志收集是可观测性的关键部分。要实现高效的日志收集，核心思路是统一日志格式、集中输出，并通过日志采集工具传输到后端存储与分析系统。下面介绍具体实现方式。
1. 统一结构化日志输出
Go标准库的log包功能有限，推荐使用支持结构化的日志库，如zap或logrus。这些库能输出JSON格式日志，便于后续解析。
以Uber的zap为例：
logger, _ := zap.NewProduction()
defer logger.Sync()
logger.Info("处理请求完成",
zap.String("method", "GET"),
zap.String("url", "/api/v1/user"),
zap.Int("status", 200),
zap.Duration("elapsed", time.Since(start)),
)
这样输出的日志天然适合被ELK或Loki等系统解析。
立即学习“go语言免费学习笔记（深入）”；
2. 日志写入标准输出而非文件
在容器化部署（如Kubernetes）中，微服务应将日志输出到stdout和stderr。由容器运行时统一捕获并转发。
好处包括：
- 无需在容器内管理日志文件生命周期
- Kubernetes自动附加Pod元数据（namespace、pod name、container name）
- 与主流日志采集方案无缝集成
3. 使用日志采集Agent收集日志
在每个节点部署日志采集Agent，将 stdout 日志发送到中心化系统。常见组合有：
- EFK：Fluentd/Fluent Bit + Elasticsearch + Kibana
- ELK：Logstash + Elasticsearch + Kibana
- Grafana Loki：Promtail + Loki + Grafana（更轻量，适合日志检索）
例如，在K8s中部署Promtail，它会自动发现Pod并读取容器日志，发送给Loki。Grafana可关联指标与日志，提升排查效率。
4. 添加上下文追踪信息
为跨服务调用的日志添加唯一请求ID（trace_id），便于链路追踪。
可以在中间件中生成trace_id，并注入到日志字段：
traceID := uuid.New().String()
ctx := context.WithValue(r.Context(), "trace_id", traceID)
logger.Info("接收请求", zap.String("trace_id", traceID), ...)
结合OpenTelemetry或Jaeger，可实现日志与分布式追踪联动。
基本上就这些。关键是服务只负责生成结构化日志，采集、传输、存储由外围系统完成，做到职责分离。这套模式在生产环境稳定可靠。
