Go错误日志采样不能只靠log.Printf，因其同步、无缓冲、无上下文、无等级区分，高并发下易拖垮系统；需用zerolog+定制Sampler按错误指纹聚合采样，并在业务层实现计数与告警。
Go 错误日志采样为什么不能只靠 log.Printf
因为 log.Printf 是同步写、无缓冲、无上下文、不区分错误等级的“裸输出”，高并发下直接打满磁盘 I/O 或阻塞 goroutine。真实服务里一个 panic 可能每秒触发上千次，全量记录既没意义又拖垮系统。
- 采样不是“随机丢日志”，而是对相同错误模式（如相同
err.Error()+ 相近堆栈前缀）做频次聚合后，按阈值控制输出节奏 - 直接用
fmt.Sprintf拼接错误信息再传给log，会丢失原始error类型，无法做类型判断或提取码（如errors.Is(err, io.EOF)） - 标准库
log不支持字段结构化，后续没法按service、trace_id过滤或告警
用 zerolog + Sampler 实现带上下文的错误采样
zerolog 是 Go 生态中少数原生支持采样策略的日志库，关键在它把采样逻辑下沉到 Sampler 接口，而不是简单计数器。
- 不要用
zerolog.New(os.Stderr).Sample(&zerolog.BasicSampler{N: 100})—— 这是对所有日志统一采样，错误和 info 混在一起，漏掉关键异常 - 正确做法是：只对
LevelError日志启用采样，并绑定错误指纹（例如fmt.Sprintf("%s|%s", err.Error(), strings.TrimSuffix(string(debug.Stack()), "\n")[:64])） - 示例中
sampler := &zerolog.BurstSampler{Burst: 5, Period: time.Second}更实用：允许突发 5 条相同错误，之后静默 1 秒，比固定 N 更抗毛刺
logger := zerolog.New(os.Stderr).
Level(zerolog.DebugLevel).
Sample(&zerolog.BurstSampler{Burst: 5, Period: time.Second}).
With().Timestamp().Logger()
<p>// 记录错误时显式加 error 字段
logger.Err(err).Str("op", "db_query").Int64("user_id", uid).Send()聚合错误需绕过日志库，自己维护内存状态
日志库本身不负责聚合，它只负责输出；聚合必须在业务层完成——否则你永远不知道“同一个错误已发生 237 次”，只能看到 237 行重复日志。
- 用
sync.Map存错误指纹 → 计数 + 首次时间 + 最近一次堆栈（避免每次 dump 全栈） - 指纹生成别用完整堆栈：
runtime.Caller(1)获取文件/行号 +err.Error()即可，太长的字符串影响 map 查找性能 - 定时（比如每 30 秒）遍历
sync.Map，把计数 > 10 的错误推送到告警通道，并清空计数；注意遍历时用LoadAndDelete避免漏统计 - 别把聚合状态存在全局变量里——多实例部署时各进程独立计数，聚合失效
采样率调太高或太低都会掩盖问题
设成 1% 看似安全，但若某次部署引入了新 panic，它可能只在 1% 请求里触发，而你的采样又恰好没捕获到那 1%，就等于完全没观测到。
立即学习“go语言免费学习笔记（深入）”；
- 对
panic和http.Status5xx类错误，采样率建议设为 100%（即不采样），它们本就不该高频出现 - 对
io.Timeout或context.DeadlineExceeded这类预期中的错误，可设BurstSampler{Burst: 3, Period: 5 * time.Second}，既防刷屏又保可观测性 - 上线前用
go test -bench=.测下采样逻辑本身开销：如果单次采样判断耗时 > 500ns，说明用了正则或反射，得换哈希方式
真正难的是定义“相同错误”——err.Error() 相同但堆栈不同，算不算？用户 ID 不同但路径相同，要不要合并？这些边界没银弹，得贴着你的监控告警链路去对齐。
