如何监控Node.js应用的日志异常

说到 Node.js 应用的稳定性，日志监控是绕不开的硬功夫。生产环境里，异常日志就是你的“黑匣子”——哪段代码出了问题、什么时候出的、影响范围多大，全都靠它来还原。下面梳理了几种主流方案，从基础的内置模块到企业级的监控平台，基本覆盖了不同规模项目的需求。

1. 使用内置的console模块

最直接的办法，Node.js 自带的 console 模块就能干活。关键是用对方法——console.error 专门处理错误信息，跟普通日志区分开，后续检索起来会省很多事。

try {
  // 你的代码
} catch (error) {
  console.error('Error:', error);
}

不过，一旦项目复杂起来，单靠 console 就容易失控：日志格式不统一、文件管理靠手动、查起来像大海捞针。这时候就需要专业的日志库上场了。

2. 使用日志库

社区里有两个高频选项：Winston 和 Pino。前者功能全面，开箱即用，适合大多数场景；后者极致追求性能，尤其适合高并发应用。怎么选？看你的吞吐量要求：如果不差那点 CPU，Winston 的丰富生态能省很多弯路；如果对延迟敏感，Pino 几乎是唯一选择。

Winston

Winston 支持多种传输方式（文件、控制台、HTTP 等），一个典型配置长这样：

const winston = require('winston');
const logger = winston.createLogger({
  level: 'info',
  format: winston.format.json(),
  transports: [
    new winston.transports.File({ filename: 'error.log', level: 'error' }),
    new winston.transports.File({ filename: 'combined.log' }),
    new winston.transports.Console({ format: winston.format.simple() })
  ]
});
try {
  // 你的代码
} catch (error) {
  logger.error('Error:', error);
}

Pino

Pino 的用法更简洁，输出 JSON 格式，解析效率极高：

const pino = require('pino');
const logger = pino();
try {
  // 你的代码
} catch (error) {
  logger.error(error);
}

3. 集成日志管理平台

日志写到本地文件只是第一步。真正要做的是集中管理、快速检索、可视化分析。目前最成熟的方案是 ELK Stack（Elasticsearch + Logstash + Kibana），也可以通过 Logstash 的 TCP 端口把 Node.js 日志直接送进去：

  logstash:5000
  



  

不过注意，上面这个配置示例其实是 Ja va 的 logback 写法——如果你在 Node.js 里走 HTTP 或 UDP 协议，可以用 winston 的 winston-logstash 插件，或者直接用 @elastic/elasticsearch 发送到 Elasticsearch。另外，Graylog、Papertrail 也都是轻量替代，适合不想折腾自建堆栈的团队。

4. 使用监控工具

日志是事后排查，监控是实时发现。两者搭配才能形成闭环。

PM2

PM2 作为进程管理器，天然带有日志查看和监控面板。几个常用命令：

pm2 start app.js --name my-app
pm2 logs my-app
pm2 monit

缺点也很明显：PM2 的日志是流式的，不好做历史分析和告警。遇上复杂场景，就得升级到 Prometheus + Grafana 组合。

Prometheus + Grafana

通过 prom-client 暴露 Node.js 应用的指标（比如请求耗时、错误率），Prometheus 定期抓取，Grafana 负责可视化。一个典型的 HTTP 请求耗时监控代码：

const promClient = require('prom-client');
const express = require('express');
const app = express();

const httpRequestDurationMicroseconds = new promClient.Histogram({
  name: 'http_request_duration_ms',
  help: 'Duration of HTTP requests in ms',
  labelNames: ['method', 'route', 'code'],
  buckets: [0.10, 5, 15, 50, 100, 200, 300, 400, 500]
});

app.use((req, res, next) => {
  res.locals.startEpoch = Date.now();
  res.on('finish', () => {
    const responseTimeInMs = Date.now() - res.locals.startEpoch;
    httpRequestDurationMicroseconds.labels(req.method, req.route.path, res.statusCode).observe(responseTimeInMs);
  });
  next();
});

app.get('/', (req, res) => {
  res.send('Hello World!');
});

app.listen(3000, () => {
  promClient.collectDefaultMetrics();
  app.listen(3000);
});

之后在 Prometheus 里配置抓取目标，再到 Grafana 里搭个仪表盘——请求速率、慢请求分布、错误状态码一目了然。这套组合拳打下来，线上异常基本无处遁形。

总之一句话：日志不是写了就完事，关键在“监控”二字。选对工具、搭好管道，你才有底气告诉团队：“这个异常，我能马上定位。”