Go 日志优化核心是避免无谓计算：提前判断级别防参数求值、选用零分配库（如 zerolog/zap）、编译期裁剪 Debug、模块级动态降级。
Go 语言中日志级别过滤本身不复杂，但若在高频调用场景（如每秒万级请求）中不做优化，容易因字符串拼接、反射、接口分配等隐式开销拖慢性能。关键不是“关掉日志”，而是让低级别日志（如 Debug）在编译期或运行期快速跳过，避免任何无谓计算。
提前判断日志级别，避免参数求值
很多开发者习惯这样写：
logger.Debug("user login failed", "user_id", userID, "error", err.Error())
即使日志级别设为 Info，err.Error() 仍会被执行——尤其当 err 是自定义错误且 Error() 方法含 I/O 或格式化逻辑时，开销显著。正确做法是先检查是否启用该级别：
- 使用支持条件日志的库（如
zerolog或zap），它们提供Debug().Enabled()或Debugw()等零分配入口 - 手动判断（适用于标准
log或简单封装）：if logger.IsDebugEnabled() { logger.Debug("……", userID, err.Error()) } - 对复杂参数，用闭包延迟求值（仅在真正需要时执行）：
logger.Debug("slow op result", "val", func() string {return heavyCalc() }())→ 改为：if logger.IsDebugEnabled() { logger.Debug("slow op result", "val", heavyCalc()) }
选用无反射、无内存分配的日志库
标准 log 包和部分第三方库（如早期 logrus）在结构化日志中依赖 fmt.Sprint 和反射，导致每次调用产生多次堆分配。推荐以下实践：
- zerolog：默认禁用反射，字段通过函数链式传入（如
.Str("key", val).Int("code", 200)），编译期确定字段类型，无运行时反射；开启zerolog.DisableSampling()后更轻量 - zap：提供
SugaredLogger（易用）和Logger（高性能）。后者要求显式类型方法（String(),Int()），避免interface{}分配；搭配Check()+Write()可实现两级判断 - 避免在热路径中使用
logrus.WithFields()—— 每次调用新建logrus.Entry，触发 map 分配
编译期裁剪 Debug 日志（适合生产环境）
对于完全不想承担 Debug 开销的场景，可用 Go 构建标签 + 预 处理器 逻辑实现编译期移除：
- 定义日志包装器，用
//go:build debug控制是否包含 Debug 方法： - 主日志接口统一用
Info/Warn/Error，而Debug方法仅在debugtag 下编译（go build -tags debug） - 或用
go:generate工具 生成不同版本日志桩（如logger_prod.go中Debug()为空函数）
这样，生产构建中所有 Debug() 调用被编译器彻底消除，零运行时成本。
合理设置全局日志级别 + 上下文动态降级
全局级别设为 Info 可屏蔽大部分 Debug，但某些模块（如支付回调）可能需临时开启调试。此时应避免全局改级别（影响全服务），而采用：
- 模块级日志实例：每个核心组件持独立 logger（如
paymentLogger），单独设置级别 - 请求上下文透传日志级别：HTTP header 中带
X-Log-Level: debug，中间件解析后注入context.Context，下游 logger 根据 context 判断是否输出 - 采样控制：对高频日志（如每请求一条 trace log），用
zerolog.GlobalLevel(zerolog.Disabled)关闭，或按比例采样（logger.Sample(&zerolog.BasicSampler{N: 100})）
不复杂但容易忽略：日志优化的核心不是“怎么打”，而是“什么时候不打”。从参数求值时机、库选型、编译裁剪到上下文控制，每一层都可减少不必要的 CPU 和内存消耗。
