# 日志服务 #
0
关注
47456内容
日志采集效能跃迁：iLogtail 到 LoongCollector 的全面升级
LoongCollector 在日志场景中实现了全面的重磅升级，从功能、性能、稳定性等各个方面均进行了深度优化和提升，本文我们将对 LoongCollector 的升级进行详细介绍。
阿里云 SLS 多云日志接入最佳实践：链路、成本与高可用性优化
本文探讨了如何高效、经济且可靠地将海外应用与基础设施日志统一采集至阿里云日志服务(SLS)，解决全球化业务扩展中的关键挑战。重点介绍了高性能日志采集Agent（iLogtail/LoongCollector）在海外场景的应用，推荐使用LoongCollector以获得更优的稳定性和网络容错能力。同时分析了多种网络接入方案，包括公网直连、全球加速优化、阿里云内网及专线/CEN/VPN接入等，并提供了成本优化策略和多目标发送配置指导，帮助企业构建稳定、低成本、高可用的全球日志系统。
别再全靠人眼盯日志了，深度学习帮你自动测出“炸锅点”
别再全靠人眼盯日志了，深度学习帮你自动测出“炸锅点”
日志别只会“看”，现在是该让AI帮你“算”了！
日志别只会“看”，现在是该让AI帮你“算”了！
《告别日志混乱！巧用rsyslog与journald优化系统日志管理》
系统日志是服务器运行状况的“黑匣子”，对运维至关重要。rsyslog与journald作为两大日志管理工具，各具特色：rsyslog功能强大，支持本地及远程日志处理与转发；journald采用二进制存储，支持结构化数据和元数据，提升查询效率。两者协作可实现日志的高效收集、分类与分析，优化系统监控与故障排查。掌握它们的配置与使用，能显著提升服务器运维效率，保障系统稳定运行。
告别传统Log追踪！GOAT如何用HTTP接口重塑代码监控
本文介绍了GOAT（Golang Application Tracing）工具的使用方法，通过一个Echo问答服务实例，详细展示了代码埋点与追踪技术的应用。内容涵盖初始化配置、自动埋点、手动调整埋点、数据监控及清理埋点等核心功能。GOAT适用于灰度发布、功能验证、性能分析、Bug排查和代码重构等场景，助力Go项目质量保障与平稳发布。工具以轻量高效的特点，为开发团队提供数据支持，优化决策流程。
【Azure APIM】如何把APIM中处理的请求的所有请求头保存在日志中？
Azure API Management 默认诊断日志不记录请求的 Header 和 Body 信息。为实现记录，可通过配置 Trace 策略解决。例如，使用 `context.Request.Headers` 和 `context.Request.Body` 获取相关信息，并以 JSON 或字符串格式保存。示例代码展示了如何将 Headers 转换为 JSON 或逗号分隔字符串形式记录。相关参考资料包括 Set Body Policy 和 Trace Policy 官方文档，帮助进一步了解与扩展功能。
免费试用