C++高性能日志库开发实践

来源：程序员老廖

1. 背景与目标

1.1 为什么要做高性能日志

日志是所有线上系统的"黑匣子"，但日志写入如果阻塞业务线程，会把 I/O 延迟 直接放大到业务请求上。

高并发下，同步写日志常见问题：

• 频繁系统调用（write/flush/open/close）

• 锁竞争（多线程写同一输出）

• 格式化开销（时间戳/字符串拼接/数字转字符串）

• 缓存失效（小块写、跨核争用）

1.2 本项目的设计目标

• 吞吐优先：尽可能将业务线程的日志开销降低到"内存追加 + 少量同步开销"。

• 异步落盘：将 I/O 操作从业务线程剥离到后台线程。

• 可控刷盘与回滚：支持按大小滚动文件，按时间 flush（语义清晰）。

• 可观测与可压测：提供压测程序（main_log_test.cc）用于对照实验。

1.3 非目标（边界）

• 不保证多线程场景下"严格按真实时间的全局顺序"（通常代价很高）。

• 不做网络日志/远端日志传输（仅本地文件写入）。

• 不做复杂的日志索引/结构化存储（以 plain text 为主）。

视频讲解与源码领取：C++高性能日志库开发实践

2. 总体架构（同步 vs 异步）

2.0 整体架构图

线程局部存储（Thread Local Storage, TLS）是一种机制，用于为每个线程提供独立的变量副本。这些变量存储在每个线程的局部存储区中，而不是全局存储区，从而避免线程之间的数据竞争和共享问题。

2. 总体架构（同步 vs 异步）

2.1 同步日志（对比基线）

同步日志通常意味着：业务线程在写日志时完成：

• 日志格式化（时间戳、线程 id、级别、文件行号等）

• 写文件/写 stdout

• flush（可能每条或高频）

缺点：任何 I/O 抖动会直接影响业务线程；并发时锁竞争严重。

2.2 异步日志（本项目核心优化）

核心思想：业务线程只负责"产生日志并写入内存缓冲"，后台线程负责"批量写入磁盘"。

数据流（简化）：

业务线程: Logger -> g_output(asyncOutput) -> AsyncLogging::append()
                         |
                         v
                 内存缓冲（currentBuffer_/TLS buffer）
                         |
                         v
后台线程: AsyncLogging::threadFunc() -> LogFile -> FileUtil::AppendFile -> fwrite_unlocked -> OS page cache -> 磁盘

收益：

• 业务线程避免磁盘 I/O

• 批量写提高吞吐，减少系统调用频率

• 锁粒度可进一步优化（双缓冲/线程本地缓冲）

2.3 类关系图（UML）

3. 模块拆解与职责

3.1 Logger / Logging.*：日志格式化与输出回调

• 负责拼接日志头部：时间戳、线程 id、级别、错误码等。

• 最终在 Logger::~Logger() 中把 LogStream 缓冲区交给 g_output。

• g_output 默认输出到 stdout，可被替换为 asyncOutput（异步输出）。

关键点：

• 使用线程局部缓存 t_time/t_lastSecond：只在"秒变化"时格式化日期时间，降低成本。

• 我们新增优化：微秒部分从 snprintf 改为 手写固定 6 位拼接，减少热路径开销。

3.1.1 时间戳缓存的具体实现（降低 gmtime_r 调用频率）

代码逻辑（Logging.cc::Logger::Impl::formatTime()）：

__thread char t_time[64];         // 缓存 "YYYYMMDD HH:MM:SS" 部分
__thread time_t t_lastSecond;     // 上次格式化的秒数

void Logger::Impl::formatTime() {
  int64_t microSecondsSinceEpoch = time_.microSecondsSinceEpoch();
  time_t seconds = microSecondsSinceEpoch / 1000000;
  int microseconds = microSecondsSinceEpoch % 1000000;

  if (seconds != t_lastSecond) {       // 只在"秒变化"时才调用 gmtime_r + snprintf
    t_lastSecond = seconds;
    struct tm tm_time;
    ::gmtime_r(&seconds, &tm_time);
    snprintf(t_time, sizeof(t_time), "%4d%02d%02d %02d:%02d:%02d", ...);
  }
  // 微秒部分：每条日志都要拼，但我们已优化为手写 6 位数字（不再 snprintf）
  formatMicroseconds(microseconds, ...);  // 固定 6 位数字拼接
  stream_ << T(t_time, 17) << ".XXXXXX " << ...;
}

收益量化：

• gmtime_r + snprintf 日期时间：约 100~200 ns（取决于 CPU）

• 缓存后：同一秒内后续日志只需读 t_time（几 ns）

• 在高 QPS 场景下（单秒百万条），节省 ~100M ns = 0.1 秒 CPU 时间

3.2 LogStream.*：高性能字符串拼接（小对象、固定缓冲）

• LogStream 内部用 FixedBuffer<kSmallBuffer>（默认 4KB）保存一条日志的拼接结果。

• 使用自实现 convert() 做整数转字符串（减少 sprintf）。

• 我们新增优化：增加 operator<<(const char (&)[N])，对 字符串字面量 避免 strlen。

3.3 AsyncLogging.*：异步日志核心（缓冲、队列、后台线程）

AsyncLogging 的核心是"缓冲 + 线程同步 + 批量写"：

• 业务线程调用 append() 把日志追加到内存缓冲。

• 缓冲满则把当前缓冲移入队列 buffers_，并唤醒后台线程。

• 后台线程把 buffers_ 交换到本地 buffersToWrite（缩短持锁时间），然后批量写入文件。

3.3.1 缓冲区大小选择的依据（为什么 4MB/64KB）

后台大 buffer（4MB）：kLargeBuffer = 4000*1000

• 目的：减少系统调用频率；一次 fwrite 可以写入更大块

• trade-off：太大会导致内存占用高、单次拷贝延迟增加；太小会频繁 swap/notify

• 经验值：4MB 在多数场景下能让"批量写"收益最大化，同时内存可控（预留 16 个 buffer 也只约 64MB）

TLS staging buffer（64KB）：

• 目的：降低每条日志加锁频率；典型日志 100~200 字节，64KB 可攒 300~600 条

• trade-off：太小会让"降锁"效果不明显；太大会在线程退出时残留更多数据（需要显式 flush）

• 实现：FixedBuffer<64*1024>，与后台大 buffer 解耦

3.3.2 项目自带的关键优化

• 双缓冲：currentBuffer_ + nextBuffer_，减少频繁 new。

• 双队列交换：buffers_.swap(buffersToWrite)，让"落盘写文件"在无锁状态执行。

• buffer 复用：后台线程把写完的 buffer 复用回 newBuffer1/newBuffer2，减少 malloc/free。

• 丢弃策略：当积压 buffer 过多（>25）时丢弃并写入告警（防止内存无限增长）。

3.3.3 我们新增/修正的关键优化

flush 语义修正：后台线程不再"每批写完都 flush"，改为按 flushInterval 时间间隔 flush。

thread-local 前端缓冲（降锁）：业务线程先写入 64KB TLS staging buffer，满了/到时间再一次性提交，减少每条日志的 mutex 开销。

注意：TLS 方案保持"同线程内顺序"，不保证跨线程严格全局顺序（并发下本就难保证）。

TLS buffer 生命周期：

• 创建：首次 append 时 thread_local 自动构造

• 提交：满 64KB / 累计 256 条 / 距上次提交超过粗粒度时间阈值

• 清理：主线程 stop() 会调用 flushCurrentThreadBuffer() 尝试提交当前线程残留

3.4 LogFile.* / FileUtil.*：文件滚动与落盘实现

LogFile 负责：

• 根据 rollSize 判断是否需要滚动文件

• 按天/按时间窗口组织文件名

FileUtil::AppendFile 负责实际写入：

• fopen(...,"ae")（close-on-exec）

• setbuffer 设置用户态缓冲（默认 64KB）

• fwrite_unlocked 加速写入（单写线程场景适用）

3.4.1 为什么用 fwrite_unlocked + setbuffer（组合原理）

setbuffer（用户态缓冲）：

• 默认情况：fwrite 会用 stdio 内部的小缓冲（通常 8KB），写满才调用 write 系统调用

• setbuffer(fp, buffer, 64KB)：把用户态缓冲扩大到 64KB，减少系统调用频率

• 收益：减少用户态 → 内核态切换次数；提升吞吐

fwrite_unlocked（无锁 stdio）：

• 标准 fwrite 内部会加锁（支持多线程并发写同一 FILE*）

• 本项目只有后台单线程写文件，不需要这个锁

• fwrite_unlocked：跳过 FILE* 内部的 flockfile/funlockfile，降低开销

• 收益：每次写少 ~10~20 ns（高吞吐时累积可观）

注意：fwrite_unlocked 只能在"确定单线程写"时用，否则会数据竞争。

4. 关键设计：双缓冲、批量写、缩短锁粒度

4.1 双缓冲（currentBuffer_ / nextBuffer_）

目的：减少内存分配。

正常写入：业务线程向 currentBuffer_ append

写满：把 currentBuffer_ move 到 buffers_

• 优先复用 nextBuffer_ 作为新的 currentBuffer_

• nextBuffer_ 为空才 new（Rarely happens）

4.2 双队列 swap（前端队列 → 后端本地队列）

目的：让"写磁盘"阶段不持锁。

后台线程拿锁做很短的事情：

• 等待条件变量或超时

• 把 currentBuffer_ 推入 buffers_

• buffers_.swap(buffersToWrite) 把所有待写数据移动到本地变量

释放锁后：

• 遍历 buffersToWrite，批量 output.append(...)

4.2.1 为什么 swap 能显著缩短临界区（持锁时间对比）

如果不用双队列 swap（伪代码）：

lock(mutex);
for (auto& buf : buffers_) {
   output.append(buf->data(), buf->length());  // 持锁写文件，阻塞前端 append
}
buffers_.clear();
unlock(mutex);

持锁时间 = 遍历 + 写文件 + 清理，可能数百 ms（取决于磁盘 I/O）

用双队列 swap（实际代码）：

lock(mutex);
buffers_.swap(buffersToWrite);  // O(1)，只交换两个 vector 的内部指针
unlock(mutex);                  // 持锁时间降到 < 1 µs

// 释放锁后批量写（不影响前端 append）
for (auto& buf : buffersToWrite) {
   output.append(buf->data(), buf->length());
}

持锁时间 = swap（几条指令）+ 其他准备，通常 < 10 µs

收益量化：

• 临界区从"毫秒级"降到"微秒级"，锁竞争显著降低

• 前端业务线程 append() 几乎不会因为"后台正在写文件"而被阻塞

4.3 批量写入

目的：减少系统调用次数，提高吞吐。

• output.append(buffer->data(), buffer->length()) 以"块"为单位写入

• FileUtil::AppendFile 使用 fwrite_unlocked + setbuffer，进一步降低开销

4.4 核心流程伪代码

4.4.0 业务线程写日志完整时序图（无 TLS 优化版本）

4.4.1 业务线程写日志完整时序图（TLS 优化版本）

4.4.2 业务线程 append（双缓冲版本）

append(logline):
  lock(mutex)
  if currentBuffer 有空间:
     currentBuffer.append(logline)
  else:
     buffers.push_back(move(currentBuffer))
     currentBuffer = nextBuffer ? move(nextBuffer) : new Buffer
     currentBuffer.append(logline)
     notify(cond)
  unlock(mutex)

4.4.3 后台线程批量落盘完整时序图

4.4.4 后台线程 threadFunc（双队列 swap + 批量写）

threadFunc():
  while running:
    lock(mutex)
    if buffers empty:
       wait(cond, flushInterval)
    buffers.push_back(move(currentBuffer))        // 把当前 buffer 也交给后台写
    currentBuffer = move(newBuffer1)              // 立刻补一个空 buffer 给前端
    buffersToWrite.swap(buffers)                  // 关键：缩短临界区
    if nextBuffer empty:
       nextBuffer = move(newBuffer2)
    unlock(mutex)
​
    for b in buffersToWrite:
       output.append(b.data, b.len)               // 无锁批量写
    if 到了 flushInterval:
       output.flush()
​
    回收 buffersToWrite 的部分 buffer 复用为 newBuffer1/newBuffer2
    buffersToWrite.clear()

4.4.5 Buffer 状态转换图

4.4.6 双缓冲机制详细图

4.4.7 TLS staging buffer（降锁）版本（业务线程）

append(logline):
  写入 thread_local tlsBuffer
  如果 tlsBuffer 满了 / 到时间:
      lock(mutex)
      appendLocked(tlsBuffer.data, tlsBuffer.len) // 一次提交一大块
      tlsBuffer.reset()
      notify(cond)
      unlock(mutex)

4.5 TLS Buffer 优化对比图

性能对比量化：

指标	优化前	优化后	提升
每条日志加锁次数	1 次	约 1/256 次	降低 98.6%
单次 lock/unlock 开销	20-30 ns	20-30 ns	不变
平均每条锁开销	20-30 ns	~0.1 ns	降低 99%+
锁竞争概率	高（每条都竞争）	极低（批量提交）	显著降低
单线程 500 万条日志锁开销	~100-150 ms	~0.5 ms	节省约 100ms

4.6 时间戳格式化优化流程图

优化效果：

gmtime_r + snprintf：约 100-200 ns（仅在秒变化时调用）

缓存命中（同一秒内）：约 2-5 ns（直接读 t_time）

微秒拼接（每条必做）：从 30-50 ns（snprintf）降到 5-10 ns（手写）

单秒百万日志场景：

• 优化前：1 次秒格式化（200ns） + 100 万次微秒 snprintf（30-50 ms）= ~50 ms

• 优化后：1 次秒格式化（200ns） + 100 万次手写拼接（5-10 ms）= ~10 ms

• 节省约 40 ms CPU 时间

4.7 文件滚动与 Flush 策略图

参数选择依据：

rollSize = 100MB ～ 1GB：

• 太小（1MB）：频繁 rollFile 导致 fopen/fclose 开销大

• 太大（>10GB）：单文件过大不便传输、分析

• 推荐：100MB-1GB，平衡滚动频率与文件大小

flushInterval = 1 ～ 3 秒：

• 太小（每批 flush）：吞吐降低，fflush 开销累积

• 太大（>10 秒）：进程异常退出时日志滞留风险高

• 推荐：1-3 秒，平衡可靠性与性能

5. 我们做过的优化清单（按"影响路径"分层）

把优化分层是面试的关键：能说明你不是"乱改"，而是按热路径定位与成本模型做工程取舍。

5.1 压测参数层（让测试更接近真实瓶颈）

• rollSize 过小会掩盖真实吞吐上限：频繁 rollFile()/fopen 会显著拖慢 QPS。

• 已支持通过 main_log_test 参数设置：

  --roll=100M、--flush=1、--num=...

5.2 I/O 策略层（flush/roll）

• flush 过频：会把用户态缓冲优势打掉 → QPS 下降

• 修正：AsyncLogging 按 flushInterval 时间间隔 flush，而不是每批 flush

5.3 并发同步层（锁竞争）

• 原始：每条日志进 AsyncLogging::append() 都要加锁

• 优化：TLS staging buffer（64KB）攒一批再提交，显著减少 lock/unlock 次数

5.4 CPU 热路径层（格式化与字符串处理）

• 微秒格式化去 snprintf：固定 6 位数字手写拼接

• 字面量避免 strlen：operator<<(const char(&)[N])

5.4.1 为什么微秒拼接要去 snprintf（成本对比）

优化前（使用 Fmt 内部 snprintf）：

Fmt us(".%06dZ ", microseconds);  // 内部：snprintf(buf, 32, ".%06dZ ", microseconds);
stream_ << T(us.data(), us.length());

• snprintf 格式化 6 位数字：约 30~50 ns（需要解析格式串、填充、判断宽度等）

优化后（手写固定 6 位拼接）：

char buf[10];
buf[0] = '.';
buf[1] = '0' + (microseconds / 100000) % 10;
buf[2] = '0' + (microseconds / 10000) % 10;
buf[3] = '0' + (microseconds / 1000) % 10;
buf[4] = '0' + (microseconds / 100) % 10;
buf[5] = '0' + (microseconds / 10) % 10;
buf[6] = '0' + microseconds % 10;
buf[7] = 'Z';
buf[8] = ' ';
stream_.append(buf, 9);

• 固定 6 位数字拼接：约 5~10 ns（几次除法/取模，全部内联）

收益量化：每条日志节省 ~20~40 ns；100 万条日志累计节省 ~20~40 ms CPU 时间。

5.4.2 为什么字面量要避免 strlen（成本对比）

优化前：

LogStream& operator<<(const char* str) {
  buffer_.append(str, strlen(str));  // strlen 需要遍历到 '\0'
}

• strlen("Root Error Message!")：约 5~10 ns（19 字符，简单但热路径累积）

优化后：

template <int N>
LogStream& operator<<(const char (&arr)[N]) {
  buffer_.append(arr, N - 1);  // N 编译期已知，不需要 strlen
}

• 编译期常量 N-1：0 ns 运行时开销

收益量化：典型一条日志有 3~5 个字面量片段，累计节省 15~50 ns/条。

6. 本项目体现的 C++11/11+ 特性清单

6.1 语言特性

• nullptr：更安全的空指针语义（如 t_tlsOwner = nullptr、NULL 旧写法的替代）

• auto / 范围 for：更简洁的遍历与类型推导（如后台线程遍历 buffersToWrite）

• 右值引用与移动语义（std::move）：避免深拷贝，尤其在 buffer 转移/队列 swap 中关键

• thread_local（C++11 起）：线程本地缓存/缓冲（我们用它做 staging buffer；项目也大量使用 __thread）

• static_assert：编译期约束（如 Timestamp 大小校验）

• enum/强类型设计：测试模式等（建议面试时可讲成 enum class 更安全）

6.2 标准库特性

• std::atomic：无锁状态标志（running_）

• std::unique_ptr：RAII 管理 buffer/file 指针，避免泄漏（BufferPtr、file_）

• std::function / std::bind：线程入口绑定成员函数（thread_(bind(&AsyncLogging::threadFunc,...))）

• std::vector + reserve：减少扩容与拷贝（buffers_.reserve(16)）

6.3 关键 C++ 特性应用图解

6.3.1 移动语义与零拷贝传递

性能对比：

操作	拷贝方式	移动方式	差异
转移4MB buffer	memcpy 4MB ~1-2 ms	交换指针 ~5 ns	快 20万倍
内存分配	new + delete ~100-500 ns	复用 ~0 ns	节省分配开销
异常安全	可能泄漏	unique_ptr自动释放	RAII保证

6.3.2 RAII资源管理模式

6.3.3 thread_local 线程本地存储原理

访问过程：

1. 编译期：thread_local 变量放入特殊的 TLS 段（.tdata/.tbss）

2. 线程创建时：为每个线程分配独立的 TLS 副本

3. 运行时访问：通过 fs 寄存器（x86-64）或平台相关机制快速索引

4. 性能：比 pthread_getspecific 快（直接寄存器偏移 vs 哈希查找）

6.3.4 atomic 无锁同步

为什么用 atomic：

• ✅ 无锁读取：多个线程读 running_ 不需要加锁

• ✅ 跨核可见：保证内存序，修改立即对其他核可见

• ✅ 避免编译器优化：防止编译器把循环中的 running_ 优化到寄存器

• ❌ 如果用普通 bool：可能被缓存在寄存器，后台线程看不到修改，永不退出

6.3 工程化技巧

• RAII：MutexLockGuard 确保锁释放

• 缩短临界区：swap 双队列

• 热路径避免系统调用：批量写 + 缓存时间戳

6.4 C++11/11+ 特性 → 代码位置 → 面试话术

特性	代码位置（示例）	解决的问题	面试一句话
std::atomic<bool>	AsyncLogging.h：running_	状态跨线程可见，避免数据竞争	"用 atomic 管理线程生命周期状态，保证可见性与无数据竞争。"
std::unique_ptr	AsyncLogging.h：BufferPtr；LogFile.h：file_	自动资源管理，避免泄漏	"用 unique_ptr 做 RAII，异常/早返回也不会泄漏资源。"
std::move	AsyncLogging.cc：buffer 转移/复用	避免深拷贝，降低开销	"高吞吐路径只移动所有权，不做拷贝。"
std::function/std::bind	AsyncLogging.cc：线程入口绑定成员函数	更易组合与复用	"线程函数用 bind 绑定成员函数，结构更清晰。"
thread_local	AsyncLogging.cc：TLS staging buffer	降锁、缓存热数据	"把高频写先落到线程本地，批量提交减少锁竞争。"
static_assert	TimeStamp.cc：类型/大小校验	编译期约束	"用 static_assert 把假设写进编译期，防止平台差异。"
range-for	AsyncLogging.cc：遍历 buffersToWrite	少写错、更简洁	"遍历容器用 range-for，减少手写迭代器错误。"
nullptr	AsyncLogging.cc：TLS owner 等	安全空指针	"用 nullptr 代替 NULL，避免重载歧义。"