Какие системы и практики логирования ты используешь?

Я строю логирование на основе принципа structured logging (структурированное логирование) для эффективного сбора и анализа.

Стек и инструменты:

• Сбор и агрегация: Fluentd / Vector как log forwarder, отправляющий логи в центральное хранилище.
• Хранилище: Elasticsearch (в связке ELK) или Grafana Loki для более легковесного варианта.
• Визуализация и поиск: Kibana или Grafana.
• Трейсинг: Jaeger или Grafana Tempo для распределенной трассировки.

Практики и конфигурация:

1. Уровни логирования: Использую стандартные уровни (DEBUG, INFO, WARN, ERROR). В продакшене по умолчанию INFO, DEBUG включается только для конкретных проблемных сервисов.
2. Структурированный формат (JSON): Каждая запись лога — это JSON-объект с полями для машинного парсинга.

   {
     "timestamp": "2023-10-05T14:30:00Z",
     "level": "ERROR",
     "service": "payment-service",
     "trace_id": "abc123",
     "message": "Failed to process payment",
     "error": "Connection timeout to PSP",
     "user_id": "user_456",
     "order_id": "order_789"
   }

3. Контекст и корреляция: Все логи в рамках одного HTTP-запроса или бизнес-процесса содержат общий trace_id или request_id. Это позволяет в Loki или Kibana восстановить полную цепочку событий по одному ID.
4. Ротация и retention: Настраиваю log rotation на узлах (через logrotate) и политики хранения в Elasticsearch/Loki (например, удалять логи старше 30 дней).

Такой подход позволяет быстро находить root cause проблем, анализировать поведение системы и строить дашборды для ключевых метрик.