监控 Golang 应用的日志活动，平时看似简单，但在线上排查问题时，日志往往就是最可靠的“黑匣子”。

下面把几种常用方法从头到尾梳理一遍。内容覆盖从基础命令行，到企业级的 ELK 栈，方便你判断哪种方案更适合自己的场景。

1. 用 tail -f 快速查看实时日志

如果你只是想临时看一眼实时日志，比如快速调试某个 bug，那么 tail -f 是最直接的选择。

假设你的应用把日志写到了 /var/log/myapp.log，一条命令就能完成查看：

tail -f /path/to/your/logfile.log

这种方式不需要额外工具，也不需要额外配置，适合小规模部署或临时应急。

不过它的缺点也很明显：只能看一个文件，没法过滤，也不适合做历史分析。

2. 用 systemd 和 journalctl 管理服务日志

如果你的应用是通过 systemd 管理的服务，比如常见的 my-golang-app.service，那么直接使用系统自带的日志系统会更省心。

你可以把日志输出到 journald，再统一通过 journalctl 查看。

配置步骤

1. 编辑服务文件 /etc/systemd/system/my-golang-app.service，加上这几行：

[Service]
ExecStart=/path/to/your/golang-app
StandardOutput=journal
StandardError=journal
SyslogIdentifier=my-golang-app

2. 重载配置并重启服务：

sudo systemctl daemon-reload && sudo systemctl restart my-golang-app

3. 实时查看日志：

sudo journalctl -u my-golang-app.service -f

适用场景与优势

• 集中管理所有 systemd 服务日志
• 支持按服务名过滤
• 支持自动日志轮转
• 在生产环境中使用顺手

3. 用结构化日志提升分析效率

如果你希望日志更结构化、更易分析，那么原生 log 包就会显得有些单薄。

这时可以考虑引入 logrus 或 zap 这类第三方日志库。它们支持 JSON 格式输出、日志级别、字段扩展等能力。

无论是配合 syslog，还是直接写文件，后续再用 ELK、Loki 等工具分析，都会方便很多。

下面以 logrus 为例，安装依赖后，可以在代码中配置一个 syslog 钩子：

package main

import (
    "github.com/sirupsen/logrus"
    "github.com/rifflock/lfshook"
)

func main() {
    log := logrus.New()
    hook, err := lfshook.NewSyslogHook("udp", "localhost:514", logrus.InfoLevel, "my-golang-app")
    if err != nil {
        log.Fatal("Failed to connect to syslog:", err)
    }
    log.AddHook(hook)
    log.Info("Application started")
}

结构化日志的价值很直接：

• 支持字段化查询
• 支持按级别过滤
• 便于关联请求 ID
• 能明显提升问题排查效率

4. 用 fluent-bit 做集中式日志采集

如果你的应用分布在多台机器上，或者日志量比较大，那么集中式日志收集基本就是必选项。

fluentd 和 fluent-bit 都是常见选择，其中后者更轻量。

以 fluent-bit 为例，安装完成后配置一个配置文件，就可以从文件或 syslog 采集日志，并转发到 Elasticsearch、Syslog 服务器等目的地。

[SERVICE]
    Flush 1
    Log_Level info
    Daemon off

[INPUT]
    Name tail
    Path /path/to/your/logfile.log
    Parser json
    Tag my-golang-app
    Refresh_Interval 5

[OUTPUT]
    Name syslog
    Match *
    Syslog_Server localhost
    Syslog_Port 514
    Syslog_Facility local0

启动命令：sudo systemctl start fluent-bit。

它的主要优势包括：

• 高性能
• 低资源占用
• 适合多节点日志收集
• 在云原生环境里很常见

5. 结合 Prometheus 和 Grafana 做可观测性监控

如果你不仅要看日志，还想监控应用性能指标，比如请求延迟、Goroutine 数量、内存使用，那么就需要结合 Prometheus 和 Grafana。

首先在 Golang 应用里集成 prometheus/client_golang 库，暴露指标接口。下面是记录 HTTP 请求耗时的示例：

package main

import (
    "github.com/prometheus/client_golang/prometheus"
    "github.com/prometheus/client_golang/prometheus/promhttp"
    "net/http"
    "time"
)

var (
    httpRequests = prometheus.NewHistogramVec(
        prometheus.HistogramOpts{
            Name:    "http_request_duration_seconds",
            Help:    "Duration of HTTP requests",
            Buckets: prometheus.DefBuckets,
        },
        []string{"method", "endpoint"},
    )
)

func init() {
    prometheus.MustRegister(httpRequests)
}

func handler(w http.ResponseWriter, r *http.Request) {
    start := time.Now()
    // 处理请求...
    httpRequests.WithLabelValues(r.Method, r.URL.Path).Observe(time.Since(start).Seconds())
}

func main() {
    http.HandleFunc("/", handler)
    http.Handle("/metrics", promhttp.Handler())
    http.ListenAndServe(":8080", nil)
}

然后配置 Prometheus 抓取：

scrape_configs:
  - job_name: 'golang_app'
    static_configs:
      - targets: ['localhost:8080']

最后在 Grafana 里添加数据源、创建仪表盘，还可以通过 Alertmanager 设置告警。

比如，当错误日志超过某个阈值时，就可以自动发通知。

这一套组合下来，生产环境的可观测性就基本到位了。

6. 用 ELK Stack 做大规模日志存储与分析

如果你的重点是大规模日志存储、搜索和分析，那么 ELK Stack（Elasticsearch + Logstash + Kibana）依然是经典方案。

其中：

• Logstash 负责采集和解析
• Elasticsearch 负责存储索引
• Kibana 提供可视化界面

你可以配置一个 Logstash 管道，从文件或者 syslog 读取日志，解析后写入 Elasticsearch：

input {
    file {
        path => "/path/to/your/logfile.log"
        start_position => "beginning"
        sincedb_path => "/dev/null"
        codec => "json"
    }
}

filter {
    grok {
        match => { "message" => "%{TIMESTAMP_ISO8601:timestamp} %{LOGLEVEL:level} %{GREEDYDATA:message}" }
    }
    date {
        match => ["timestamp", "ISO8601"]
    }
}

output {
    elasticsearch {
        hosts => ["localhost:9200"]
        index => "golang-logs-%{+YYYY.MM.dd}"
    }
    stdout { codec => rubydebug }
}

启动服务后，在 Kibana 里创建索引模式，就可以通过 Discover 页面搜索和分析日志。

这套方案虽然部署起来稍重，但能力确实强大，尤其适合分布式系统。

7. 用 multitail 同时查看多个日志文件

如果你只是需要同时盯着多个日志文件，那么 multitail 是一个轻量级的好帮手。

安装命令如下：sudo apt-get update && sudo apt-get install multitail。

安装完成后，一条命令就能同时查看两个文件：

multitail /path/to/log1.log /path/to/log2.log

它还支持用颜色区分不同日志级别。比如 ERROR 红色、INFO 绿色，视觉上很直观。

这类方式很适合日常快速巡检。

总结

从简单到复杂，从命令行到可视化平台，每种方法都有最适合自己的使用场景。

关键还是根据你的应用规模、环境要求和团队习惯来做选择。

• 临时排查：适合 tail -f
• systemd 服务管理：适合 journalctl
• 提升日志分析能力：适合结构化日志
• 多机和大规模采集：适合 fluent-bit
• 性能指标与告警：适合 Prometheus + Grafana
• 大规模检索分析：适合 ELK Stack
• 多文件同时巡检：适合 multitail

希望这些思路能帮你搭起一套趁手的日志监控体系。