Ubuntu下Node.js日志性能监控技巧

在Ubuntu上跑Node.js应用，日志不只是用来排错的——它是一面镜子，能照出性能的每个角落。怎么从日志里挖出延迟、内存、CPU这些关键数据？其实不需要多么复杂的工具链，几个模块加几行脚本就能搭出一套监控体系。下面直接上干货。

1. 选择合适的日志模块，记录关键性能指标

别再用console.log打天下了，结构化日志库（比如Winston、Bunyan）才是正经工具。它们能把性能数据清晰地组织成JSON格式，后续不管是grep还是导入分析平台都非常顺手。举个例子，用Winston这样配置：

const winston = require('winston');
const logger = winston.createLogger({
  level: 'info',
  format: winston.format.json(),
  transports: [
    new winston.transports.File({ filename: 'logs/performance.log' }), // 性能日志单独存储
    new winston.transports.File({ filename: 'logs/error.log', level: 'error' })
  ]
});

// 记录请求处理时间（中间件示例）
app.use((req, res, next) => {
  const start = Date.now();
  res.on('finish', () => {
    const latency = Date.now() - start;
    logger.info('Request Performance', {
      method: req.method,
      route: req.route  req.route.path : req.path,
      latency: `${latency}ms`,
      timestamp: new Date().toISOString()
    });
  });
  next();
});

这样一搞，性能日志和错误日志就分家了，分析问题时不用在错误堆栈里翻找延迟数据。

2. 内置模块监控核心性能指标

除了应用层的数据，系统级的指标同样重要。Node.js自带的process和os模块就能搞定内存、CPU的定期采样。比如每5秒来一次快照：

setInterval(() => {
  const memoryUsage = process.memoryUsage();
  const cpuUsage = process.cpuUsage();
  const osCpuInfo = os.cpus();
  logger.info('System Performance', {
    memory: {
      rss: `${(memoryUsage.rss / 1024 / 1024).toFixed(2)} MB`, // 常驻内存
      heapUsed: `${(memoryUsage.heapUsed / 1024 / 1024).toFixed(2)} MB`, // 堆内存使用
      heapTotal: `${(memoryUsage.heapTotal / 1024 / 1024).toFixed(2)} MB` // 堆内存总量
    },
    cpu: {
      process: `${(cpuUsage.user / 1000).toFixed(2)}s`, // 进程CPU时间
      system: `${(cpuUsage.system / 1000).toFixed(2)}s`, // 系统CPU时间
      cores: osCpuInfo.length // CPU核心数
    },
    timestamp: new Date().toISOString()
  });
}, 5000);

这些数据能帮你一眼看出是否存在内存泄漏（比如heapUsed持续爬升）或者CPU过载（process.cpuUsage飙高）。

3. 日志分析与性能瓶颈定位

日志写好了，怎么快速找出异常？用命令行工具就足够了，不用装什么花哨的东西。

• 统计请求延迟分布：用awk把延迟字段摘出来排序，找出最慢的10个请求：

  awk -F'"latency":' '{print $2}' logs/performance.log | awk -F'ms' '{print $1}' | sort -nr | head -n 10

• 查找高频错误：结合grep和uniq -c统计错误类型：

  grep "ERROR" logs/error.log | awk '{print $6}' | sort | uniq -c | sort -nr

• 实时监控日志：用tail -f盯着性能日志，异常出现立刻能发现：

  tail -f logs/performance.log | grep "Request Performance"

这些手段不需要额外安装，是快速排查问题的利器。

4. 第三方工具增强日志监控能力

如果觉得纯命令行不够直观，可以上PM2或ELK这类成熟工具。

• PM2：进程管理器本身就有日志管理和实时监控功能，一行命令就能启动并配置日志格式：

  pm2 start app.js --name "my-app" --log-date-format "YYYY-MM-DD HH:mm Z"
  pm2 logs --lines 100
  pm2 monit

  最后那个pm2 monit能直接展示CPU、内存和实时日志流，非常实用。
• ELK Stack（Elasticsearch+Logstash+Kibana）：适合需要长期存储和可视化分析的场景。用Logstash配合Filebeat采集日志：

  input {
    file {
      path => "/path/to/logs/performance.log"
      start_position => "beginning"
      codec => "json"
    }
  }
  output {
    elasticsearch {
      hosts => ["localhost:9200"]
      index => "nodejs-performance-%{+YYYY.MM.dd}"
    }
  }

  然后在Kibana里拖几个图表就能看到请求延迟、内存使用的趋势变化。

5. 结构化日志与指标集成

想要更自动化的监控与告警？把日志里的性能数据喂给Prometheus就行。用prom-client库暴露出指标端点：

const promClient = require('prom-client');
const httpRequestDuration = new promClient.Histogram({
  name: 'http_request_duration_seconds',
  help: 'Request duration in seconds',
  labelNames: ['method', 'route', 'status'],
  buckets: [0.1, 0.5, 1, 2, 5]
});

app.use((req, res, next) => {
  const start = Date.now();
  res.on('finish', () => {
    const latency = (Date.now() - start) / 1000;
    httpRequestDuration.labels(req.method, req.route?.path || req.path, res.statusCode).observe(latency);
  });
  next();
});

app.get('/metrics', async (req, res) => {
  res.set('Content-Type', promClient.register.contentType);
  res.end(await promClient.register.metrics());
});

接着用Prometheus抓取这个/metrics端点，在Grafana上画出请求率、P90/P99延迟、错误率等指标，还能设置告警——比如延迟超过2秒就发邮件通知。这才是生产环境应有的监控水平。

6. 日志轮转避免文件过大

日志文件如果不加控制，几天就能塞满磁盘。用winston-daily-rotate-file模块能自动按天分割，并限制单个文件大小和保留天数：

const winston = require('winston');
require('winston-daily-rotate-file');
const transport = new winston.transports.DailyRotateFile({
  filename: 'logs/performance-%DATE%.log',
  datePattern: 'YYYY-MM-DD',
  maxSize: '20m',  // 单个文件最大20MB
  maxFiles: '7d'   // 保留7天日志
});
const logger = winston.createLogger({
  level: 'info',
  format: winston.format.json(),
  transports: [transport]
});

这样一来，日志既不会无限制膨胀，又方便长期归档分析。整套方案从轻量到重型都覆盖了，可以根据实际需求灵活组合。