Strukturalne logowanie Spring Boot 2026: logi JSON produkcyjne z Logback i OpenTelemetry
Kompletny przewodnik po strukturalnym logowaniu Spring Boot 4.x. Natywne wsparcie JSON, starter OpenTelemetry, MDC tracing i integracja z ELK Stack dla obserwowalności produkcyjnej.

Tradycyjne logi tekstowe szybko stają się niemożliwe do zarządzania na produkcji. Setki instancji generujących tysiące linii na sekundę sprawiają, że wyszukiwanie konkretnego błędu zamienia się w koszmar. Strukturalne logi JSON zmieniają tę sytuację, ponieważ każde zdarzenie staje się przeszukiwalne i automatycznie analizowalne.
Spring Boot 4.x (oparty na Spring Framework 7) natywnie wspiera strukturalne logowanie JSON z formatami ECS, Logstash i GELF. Nowy spring-boot-starter-opentelemetry zapewnia ujednoliconą obserwowalność bez zewnętrznych zależności.
Dlaczego warto wdrożyć strukturalne logowanie w Spring Boot
Ograniczenia tradycyjnych logów tekstowych
Typowy log tekstowy wygląda tak:
2026-08-22 10:15:32.456 INFO [order-service,abc123] c.e.s.OrderService - Order created for user john@example.com, amount: 150.00€, items: 3Ten format wywołuje na produkcji liczne problemy. Wyłuskanie konkretnych informacji wymaga skomplikowanych i kruchych wyrażeń regularnych. Korelacja między usługami wymusza ścisłe konwencje, które każdy zespół interpretuje po swojemu. Narzędzia analityczne, takie jak Elasticsearch, mają trudność z efektywnym indeksowaniem tych nieustrukturyzowanych ciągów.
Zalety formatu JSON
To samo zdarzenie w JSON jest natychmiast użyteczne:
{
"@timestamp": "2026-08-22T10:15:32.456Z",
"level": "INFO",
"logger": "com.example.service.OrderService",
"message": "Order created",
"service": "order-service",
"traceId": "abc123",
"userId": "john@example.com",
"orderId": "ORD-789456",
"amount": 150.00,
"currency": "EUR",
"itemCount": 3
}Każde pole staje się filtrowalne i agregowalne. Zapytanie Elasticsearch znajduje natychmiast wszystkie zamówienia powyżej 100 € z ostatnich piętnastu minut. Dashboardy Kibana wizualizują trendy bez ręcznego parsowania. Ten temat jest szczególnie istotny w pytaniach rekrutacyjnych Spring Boot, gdzie zrozumienie wzorców obserwowalności produkcyjnej wyróżnia seniorów.
Natywna konfiguracja strukturalnego logowania w Spring Boot 4.x
Włączanie strukturalnych logów JSON
Spring Boot 4.x, oparty na Spring Framework 7, wprowadza dojrzałe wsparcie dla strukturalnego logowania przez właściwość logging.structured. Podejście to nie wymaga dodatkowych zależności i integruje się bezpośrednio z Logback 1.5.38.
# application.yml
# Native structured logging configuration for Spring Boot 4.x
logging:
structured:
# Output format: ecs (Elastic), logstash, gelf
format:
console: ecs
file: ecs
file:
name: /var/log/app/application.log
level:
root: INFO
com.example: DEBUGFormat ECS (Elastic Common Schema) gwarantuje bezpośrednią kompatybilność z Elasticsearch i Kibana bez dodatkowej konfiguracji.
Dostosowywanie pól JSON
Aby dodać pola biznesowe do każdego logu, Spring Boot pozwala skonfigurować dodatkowe atrybuty.
# application.yml
# Custom fields in structured logs
logging:
structured:
format:
console: ecs
ecs:
# Service information added to every log
service:
name: ${spring.application.name}
version: ${app.version:1.0.0}
environment: ${spring.profiles.active:default}
node-name: ${HOSTNAME:unknown}// Programmatic configuration for additional fields
package com.example.logging.config;
import org.springframework.boot.logging.structured.StructuredLogFormatterCustomizer;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class LoggingConfig {
@Bean
StructuredLogFormatterCustomizer<EcsStructuredLogFormatter> ecsCustomizer() {
return formatter -> formatter
// Adds static fields to all logs
.addStaticField("team", "backend")
.addStaticField("region", System.getenv("AWS_REGION"))
// Customizes exception formatting
.setIncludeStacktrace(true)
.setStacktraceMaxLength(5000);
}
}Te pola pojawiają się w każdej linii logu i ułatwiają filtrowanie po zespole lub regionie w dashboardach.
OpenTelemetry Starter dla pełnej obserwowalności
Nowy standard w Spring Boot 4
Spring Boot 4.0 wprowadził spring-boot-starter-opentelemetry, zastępując wcześniejszą złożoną konfigurację z wieloma zależnościami. Ta jedna zależność zapewnia obserwowalność niezależną od dostawcy, obejmującą traces, metryki i korelację logów.
<!-- pom.xml -->
<!-- OpenTelemetry starter for Spring Boot 4.x -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-opentelemetry</artifactId>
</dependency>
<!-- Log correlation for Logback -->
<dependency>
<groupId>io.opentelemetry.instrumentation</groupId>
<artifactId>opentelemetry-logback-appender-1.0</artifactId>
<version>2.21.0-alpha</version>
</dependency>Ten starter zawiera OpenTelemetry API, Micrometer tracing bridge oraz OTLP exportery. Spring Cloud Sleuth jest teraz uznawany za legacy, a OpenTelemetry to standard branżowy dla rozproszonego tracingu.
Konfiguracja OpenTelemetry ze strukturalnym logowaniem
# application.yml
# OpenTelemetry configuration with structured logging
spring:
application:
name: order-service
group: commerce
otel:
exporter:
otlp:
endpoint: http://otel-collector:4317
protocol: grpc
resource:
attributes:
service.namespace: production
deployment.environment: prod
logging:
structured:
format:
console: ecs
pattern:
level: "%5p [${spring.application.name:},%X{traceId:-},%X{spanId:-}]"Identyfikatory trace i span są automatycznie wstrzykiwane do MDC, korelując logi z rozproszonymi traces między serwisami. Więcej o konfiguracji monitoringu produkcyjnego w przewodniku Spring Boot Actuator z Micrometer i Prometheus.
ZipkinWithOpenTelemetryTracingAutoConfiguration jest oznaczone jako deprecated i zostanie usunięte w Spring Boot 4.2. Migracja do natywnych eksporterów OTLP jest zalecana dla kompatybilności.
Klasyczna konfiguracja Logback z JSON Encoder
Logstash Encoder dla zaawansowanego dostosowania
Dla zaawansowanych potrzeb dostosowania lub przy migracji ze starszych wersji Spring Boot, Logstash Logback Encoder 9.0 pozostaje dostępny. Wersja 9.0 wymaga Jackson 3.0 i minimum Java 17.
<!-- pom.xml -->
<!-- Dependency for JSON logging with Logback (Jackson 3 required) -->
<dependency>
<groupId>net.logstash.logback</groupId>
<artifactId>logstash-logback-encoder</artifactId>
<version>9.0</version>
</dependency>Kompletna konfiguracja Logback
Plik logback-spring.xml zapewnia pełną kontrolę nad formatem wyjściowym.
<!-- src/main/resources/logback-spring.xml -->
<!-- Logback configuration for structured JSON logs -->
<?xml version="1.0" encoding="UTF-8"?>
<configuration>
<!-- Spring Boot properties -->
<springProperty scope="context" name="appName" source="spring.application.name" defaultValue="app"/>
<springProperty scope="context" name="appVersion" source="app.version" defaultValue="1.0.0"/>
<!-- JSON console appender for production -->
<appender name="JSON_CONSOLE" class="ch.qos.logback.core.ConsoleAppender">
<encoder class="net.logstash.logback.encoder.LogstashEncoder">
<!-- Custom fields added to every log -->
<customFields>{"service":"${appName}","version":"${appVersion}"}</customFields>
<!-- Includes MDC (tracing context) -->
<includeMdcKeyName>traceId</includeMdcKeyName>
<includeMdcKeyName>spanId</includeMdcKeyName>
<includeMdcKeyName>userId</includeMdcKeyName>
<includeMdcKeyName>requestId</includeMdcKeyName>
<!-- ISO8601 timestamp format -->
<timestampPattern>yyyy-MM-dd'T'HH:mm:ss.SSSZ</timestampPattern>
<!-- Complete stack traces -->
<throwableConverter class="net.logstash.logback.stacktrace.ShortenedThrowableConverter">
<maxDepthPerThrowable>30</maxDepthPerThrowable>
<maxLength>4096</maxLength>
<shortenedClassNameLength>36</shortenedClassNameLength>
<rootCauseFirst>true</rootCauseFirst>
</throwableConverter>
</encoder>
</appender>
<!-- Rolling JSON file appender -->
<appender name="JSON_FILE" class="ch.qos.logback.core.rolling.RollingFileAppender">
<file>/var/log/${appName}/application.json</file>
<rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">
<fileNamePattern>/var/log/${appName}/application.%d{yyyy-MM-dd}.%i.json.gz</fileNamePattern>
<maxHistory>30</maxHistory>
<maxFileSize>100MB</maxFileSize>
<totalSizeCap>3GB</totalSizeCap>
</rollingPolicy>
<encoder class="net.logstash.logback.encoder.LogstashEncoder">
<customFields>{"service":"${appName}","version":"${appVersion}"}</customFields>
</encoder>
</appender>
<!-- Text appender for development -->
<appender name="TEXT_CONSOLE" class="ch.qos.logback.core.ConsoleAppender">
<encoder>
<pattern>%d{HH:mm:ss.SSS} %highlight(%-5level) [%thread] %cyan(%logger{36}) - %msg%n</pattern>
</encoder>
</appender>
<!-- Activation by Spring profile -->
<springProfile name="prod,staging">
<root level="INFO">
<appender-ref ref="JSON_CONSOLE"/>
<appender-ref ref="JSON_FILE"/>
</root>
</springProfile>
<springProfile name="dev,local">
<root level="DEBUG">
<appender-ref ref="TEXT_CONSOLE"/>
</root>
</springProfile>
</configuration>Ta konfiguracja aktywuje logi JSON tylko na produkcji, zachowując czytelne logi w środowisku deweloperskim.
MDC dla rozproszonego tracingu
Propagacja kontekstu trace
MDC (Mapped Diagnostic Context) wzbogaca każdy log o informacje kontekstowe, takie jak identyfikatory żądania lub trace.
// Filter for automatic trace context injection
package com.example.logging.filter;
import jakarta.servlet.FilterChain;
import jakarta.servlet.ServletException;
import jakarta.servlet.http.HttpServletRequest;
import jakarta.servlet.http.HttpServletResponse;
import org.slf4j.MDC;
import org.springframework.core.Ordered;
import org.springframework.core.annotation.Order;
import org.springframework.stereotype.Component;
import org.springframework.web.filter.OncePerRequestFilter;
import java.io.IOException;
import java.util.UUID;
@Component
@Order(Ordered.HIGHEST_PRECEDENCE)
public class TracingFilter extends OncePerRequestFilter {
// Standard MDC keys for tracing
private static final String TRACE_ID_KEY = "traceId";
private static final String SPAN_ID_KEY = "spanId";
private static final String REQUEST_ID_KEY = "requestId";
private static final String USER_ID_KEY = "userId";
@Override
protected void doFilterInternal(
HttpServletRequest request,
HttpServletResponse response,
FilterChain filterChain) throws ServletException, IOException {
try {
// Retrieve or generate trace identifiers
String traceId = extractOrGenerate(request, "X-Trace-Id", TRACE_ID_KEY);
String spanId = generateSpanId();
String requestId = extractOrGenerate(request, "X-Request-Id", REQUEST_ID_KEY);
String userId = request.getHeader("X-User-Id");
// Inject into MDC to appear in all logs
MDC.put(TRACE_ID_KEY, traceId);
MDC.put(SPAN_ID_KEY, spanId);
MDC.put(REQUEST_ID_KEY, requestId);
if (userId != null) {
MDC.put(USER_ID_KEY, userId);
}
// Propagate to responses for inter-service chaining
response.setHeader("X-Trace-Id", traceId);
response.setHeader("X-Request-Id", requestId);
filterChain.doFilter(request, response);
} finally {
// Clean MDC after each request
MDC.clear();
}
}
private String extractOrGenerate(HttpServletRequest request, String header, String key) {
String value = request.getHeader(header);
return value != null ? value : UUID.randomUUID().toString().replace("-", "").substring(0, 16);
}
private String generateSpanId() {
return UUID.randomUUID().toString().replace("-", "").substring(0, 8);
}
}Każdy log wyemitowany podczas obsługi żądania będzie automatycznie zawierał te identyfikatory.
Wykorzystanie MDC w kodzie biznesowym
// Business service with enriched contextual logging
package com.example.service;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.slf4j.MDC;
import org.springframework.stereotype.Service;
@Service
public class OrderService {
private static final Logger log = LoggerFactory.getLogger(OrderService.class);
public Order createOrder(CreateOrderRequest request) {
// Add business information to MDC context
MDC.put("orderId", request.getOrderId());
MDC.put("customerId", request.getCustomerId());
try {
log.info("Creating order with {} items", request.getItems().size());
// Business logic...
Order order = processOrder(request);
log.info("Order created successfully, total: {} {}",
order.getTotal(), order.getCurrency());
return order;
} catch (Exception e) {
// Exception appears with full MDC context
log.error("Failed to create order", e);
throw e;
} finally {
// Clean business keys added
MDC.remove("orderId");
MDC.remove("customerId");
}
}
}Powstały JSON log zawiera wszystkie informacje potrzebne do debugowania:
{
"@timestamp": "2026-08-22T10:15:32.456Z",
"level": "INFO",
"logger": "com.example.service.OrderService",
"message": "Order created successfully, total: 150.00 EUR",
"traceId": "a1b2c3d4e5f67890",
"spanId": "12345678",
"requestId": "req-abc-123",
"userId": "user-456",
"orderId": "ORD-789",
"customerId": "CUST-321"
}Gotowy na rozmowy o Spring Boot?
Ćwicz z naszymi interaktywnymi symulatorami, flashcards i testami technicznymi.
Asynchroniczne logowanie dla wydajności
Konfiguracja puli wątków
Na produkcji synchroniczne zapisy logów wpływają na latencję żądań. Asynchroniczny appender oddziela logowanie od głównego wątku.
<!-- logback-spring.xml -->
<!-- High-performance asynchronous appender configuration -->
<appender name="ASYNC_JSON" class="ch.qos.logback.classic.AsyncAppender">
<!-- Pending log buffer size -->
<queueSize>1024</queueSize>
<!-- Never block the calling thread -->
<neverBlock>true</neverBlock>
<!-- Threshold before dropping DEBUG/TRACE logs -->
<discardingThreshold>20</discardingThreshold>
<!-- Include caller information (expensive) -->
<includeCallerData>false</includeCallerData>
<!-- Actual appender for writing -->
<appender-ref ref="JSON_FILE"/>
</appender>
<springProfile name="prod">
<root level="INFO">
<appender-ref ref="ASYNC_JSON"/>
</root>
</springProfile>Spring Boot 4.1.1 naprawił krytyczny błąd, w którym nieudane kodowanie JSON mogło uszkodzić następne zdarzenie logu w tym samym wątku (#51371). Aktualizacja z 4.0.x lub 4.1.0 jest zalecana, aby uniknąć cichego uszkodzenia logów.
Metryki systemu logowania
Monitorowanie samego systemu logowania zapobiega cichej utracie logów.
// Exposing Logback metrics via Micrometer
package com.example.logging.metrics;
import ch.qos.logback.classic.Logger;
import ch.qos.logback.classic.LoggerContext;
import ch.qos.logback.classic.spi.ILoggingEvent;
import ch.qos.logback.core.Appender;
import ch.qos.logback.classic.AsyncAppender;
import io.micrometer.core.instrument.Gauge;
import io.micrometer.core.instrument.MeterRegistry;
import org.slf4j.LoggerFactory;
import org.springframework.stereotype.Component;
import jakarta.annotation.PostConstruct;
import java.util.Iterator;
@Component
public class LoggingMetrics {
private final MeterRegistry registry;
public LoggingMetrics(MeterRegistry registry) {
this.registry = registry;
}
@PostConstruct
void registerMetrics() {
LoggerContext context = (LoggerContext) LoggerFactory.getILoggerFactory();
Logger rootLogger = context.getLogger(Logger.ROOT_LOGGER_NAME);
// Iterate through appenders to find AsyncAppenders
Iterator<Appender<ILoggingEvent>> it = rootLogger.iteratorForAppenders();
while (it.hasNext()) {
Appender<ILoggingEvent> appender = it.next();
if (appender instanceof AsyncAppender asyncAppender) {
registerAsyncMetrics(asyncAppender);
}
}
}
private void registerAsyncMetrics(AsyncAppender appender) {
String appenderName = appender.getName();
// Current queue size
Gauge.builder("logback.async.queue.size", appender, AsyncAppender::getQueueSize)
.tag("appender", appenderName)
.description("Current async appender queue size")
.register(registry);
// Remaining capacity
Gauge.builder("logback.async.queue.remaining", appender, AsyncAppender::getRemainingCapacity)
.tag("appender", appenderName)
.description("Remaining capacity in async queue")
.register(registry);
// Number of dropped logs
Gauge.builder("logback.async.discarded", appender, AsyncAppender::getNumberOfElementsInQueue)
.tag("appender", appenderName)
.description("Number of discarded log events")
.register(registry);
}
}Alert Prometheus na logback.async.queue.remaining < 100 ostrzega przed ryzykiem utraty logów.
Integracja z ELK Stack
Konfiguracja Filebeat
Filebeat zbiera pliki JSON i wysyła je do Elasticsearch bez transformacji.
# filebeat.yml
# Filebeat configuration for Spring Boot JSON logs
filebeat.inputs:
- type: log
enabled: true
paths:
- /var/log/*/application.json
# Automatic JSON parsing
json:
keys_under_root: true
overwrite_keys: true
add_error_key: true
message_key: message
processors:
# Add Kubernetes metadata if available
- add_kubernetes_metadata:
host: ${NODE_NAME}
matchers:
- logs_path:
logs_path: "/var/log/containers/"
# Parse timestamp
- timestamp:
field: "@timestamp"
layouts:
- '2006-01-02T15:04:05.000Z'
- '2006-01-02T15:04:05.000-07:00'
test:
- '2026-08-22T10:15:32.456Z'
output.elasticsearch:
hosts: ["elasticsearch:9200"]
index: "logs-%{[service]}-%{+yyyy.MM.dd}"
pipeline: "spring-boot-logs"
setup.template:
name: "logs"
pattern: "logs-*"Pipeline Elasticsearch do wzbogacania
{
"description": "Spring Boot logs enrichment",
"processors": [
{
"geoip": {
"field": "client.ip",
"target_field": "client.geo",
"ignore_missing": true
}
},
{
"user_agent": {
"field": "user_agent.original",
"target_field": "user_agent",
"ignore_missing": true
}
},
{
"set": {
"field": "event.ingested",
"value": "{{_ingest.timestamp}}"
}
},
{
"script": {
"description": "Classify log level severity",
"source": "def level = ctx.level; if (level == 'ERROR') ctx.severity = 4; else if (level == 'WARN') ctx.severity = 3; else if (level == 'INFO') ctx.severity = 2; else ctx.severity = 1;"
}
}
]
}Najlepsze praktyki produkcyjne dla logowania Spring Boot
Informacje do systematycznego uwzględniania
Każdy log powinien zawierać minimum informacji potrzebnych do debugowania i korelacji.
// Helper for consistent structured logs
package com.example.logging;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.slf4j.MDC;
import java.util.Map;
import java.util.function.Supplier;
public final class StructuredLogger {
private final Logger delegate;
private StructuredLogger(Class<?> clazz) {
this.delegate = LoggerFactory.getLogger(clazz);
}
public static StructuredLogger getLogger(Class<?> clazz) {
return new StructuredLogger(clazz);
}
// Log with temporary business context
public void info(String message, Map<String, String> context) {
try {
context.forEach(MDC::put);
delegate.info(message);
} finally {
context.keySet().forEach(MDC::remove);
}
}
// Log with supplier for lazy evaluation
public void debug(Supplier<String> messageSupplier, Map<String, String> context) {
if (delegate.isDebugEnabled()) {
try {
context.forEach(MDC::put);
delegate.debug(messageSupplier.get());
} finally {
context.keySet().forEach(MDC::remove);
}
}
}
// Error log with full context
public void error(String message, Throwable t, Map<String, String> context) {
try {
context.forEach(MDC::put);
delegate.error(message, t);
} finally {
context.keySet().forEach(MDC::remove);
}
}
}// Usage in business code
private static final StructuredLogger log = StructuredLogger.getLogger(PaymentService.class);
public void processPayment(Payment payment) {
log.info("Processing payment", Map.of(
"paymentId", payment.getId(),
"amount", String.valueOf(payment.getAmount()),
"currency", payment.getCurrency(),
"method", payment.getMethod().name()
));
}Informacje wrażliwe do wykluczenia
Logi nie powinny nigdy zawierać danych osobowych lub wrażliwych.
// Sensitive data masking utility
package com.example.logging.filter;
import java.util.regex.Pattern;
public final class SensitiveDataFilter {
// Sensitive data patterns to mask
private static final Pattern EMAIL_PATTERN =
Pattern.compile("[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}");
private static final Pattern CREDIT_CARD_PATTERN =
Pattern.compile("\\b\\d{4}[- ]?\\d{4}[- ]?\\d{4}[- ]?\\d{4}\\b");
private static final Pattern PASSWORD_PATTERN =
Pattern.compile("(?i)(password|pwd|secret|token)[\"']?\\s*[:=]\\s*[\"']?[^\\s,}\"']+");
private SensitiveDataFilter() {}
// Utility method to mask data
public static String maskSensitiveData(String input) {
if (input == null) return null;
String result = input;
result = EMAIL_PATTERN.matcher(result).replaceAll("[EMAIL_MASKED]");
result = CREDIT_CARD_PATTERN.matcher(result).replaceAll("[CARD_MASKED]");
result = PASSWORD_PATTERN.matcher(result).replaceAll("$1=[REDACTED]");
return result;
}
}Odpowiednie poziomy logów
| Poziom | Przypadek użycia | Przykłady |
|---|---|---|
| ERROR | Awaria wymagająca interwencji | Nieodwracalne wyjątki, krytyczne błędy transakcji, niedostępność zewnętrznego serwisu |
| WARN | Sytuacja nietypowa, ale obsłużona | Trwająca ponowna próba, degradacja wydajności, zasoby bliskie limitów |
| INFO | Znaczące zdarzenia biznesowe | Początek/koniec transakcji, ważne zmiany stanu, kluczowe akcje użytkownika |
| DEBUG | Informacje diagnostyczne | Szczegóły wykonania, ważne wartości zmiennych, decyzje rozgałęzień |
| TRACE | Bardzo szczegółowe dane | Wejście/wyjście z metod, pełna zawartość obiektów, pętle i iteracje |
Testowanie i walidacja strukturalnych logów
Testy jednostkowe struktury JSON
// Structured log validation tests
package com.example.logging;
import ch.qos.logback.classic.Logger;
import ch.qos.logback.classic.spi.ILoggingEvent;
import ch.qos.logback.core.read.ListAppender;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.slf4j.LoggerFactory;
import org.slf4j.MDC;
import static org.assertj.core.api.Assertions.assertThat;
class StructuredLoggingTest {
private ListAppender<ILoggingEvent> listAppender;
private Logger logger;
@BeforeEach
void setUp() {
logger = (Logger) LoggerFactory.getLogger(StructuredLoggingTest.class);
listAppender = new ListAppender<>();
listAppender.start();
logger.addAppender(listAppender);
}
@Test
void shouldIncludeMdcFieldsInLog() {
// Given
MDC.put("traceId", "test-trace-123");
MDC.put("userId", "user-456");
// When
logger.info("Test message with MDC context");
// Then
ILoggingEvent event = listAppender.list.get(0);
assertThat(event.getMDCPropertyMap())
.containsEntry("traceId", "test-trace-123")
.containsEntry("userId", "user-456");
MDC.clear();
}
@Test
void shouldLogExceptionWithStackTrace() {
// Given
Exception testException = new RuntimeException("Test error");
// When
logger.error("Operation failed", testException);
// Then
ILoggingEvent event = listAppender.list.get(0);
assertThat(event.getThrowableProxy()).isNotNull();
assertThat(event.getThrowableProxy().getMessage()).isEqualTo("Test error");
}
}Wzorce testowania integracyjnego współpracujące ze strukturalnym logowaniem znajdują się w przewodniku testów integracyjnych Testcontainers Spring Boot.
Źródła
- Spring Boot 4.1.0 Release Announcement - funkcje Spring Boot 4.1.0 w tym aktualizacje obserwowalności
- Spring Boot GitHub Releases - poprawka błędu w wersji 4.1.1 dla uszkodzenia kodowania JSON (#51371)
- Logstash Logback Encoder 9.0 - migracja do Jackson 3 i wymóg Java 17
- OpenTelemetry with Spring Boot - oficjalny przewodnik integracji OpenTelemetry
Lista kontrolna strukturalnego logowania dla Spring Boot 4.x
- Natywne strukturalne logowanie z formatami ECS, Logstash lub GELF wymaga tylko konfiguracji
logging.structured.format spring-boot-starter-opentelemetryzastępuje starsze konfiguracje Sleuth obserwowalością niezależną od dostawcy- MDC automatycznie propaguje identyfikatory trace między serwisami
- Asynchroniczne appendery z
neverBlock=truezapobiegają wpływowi logowania na latencję żądań - Logstash Logback Encoder 9.0 wymaga Jackson 3.0 i Java 17
- Spring Boot 4.1.1 naprawił krytyczny błąd kodowania JSON wpływający na współbieżne wątki
- Maskowanie danych wrażliwych zapewnia zgodność z RODO w logach produkcyjnych
- Metryki pojemności kolejki asynchronicznej umożliwiają alerty przed utratą logów
Zacznij ćwiczyć!
Sprawdź swoją wiedzę z naszymi symulatorami rozmów i testami technicznymi.
Znajdziesz błąd w Spring Boot?
Prawdziwy fragment kodu, ukryty błąd, jedna próba dziennie. Bez konta, żeby spróbować.

Autor:
Anthony Fillion-MailletZałożyciel SharpSkill
Programista fullstack od ponad 10 lat. Prowadzi SharpSkill i odpowiada za wszystko, co się tu ukazuje.
Zaktualizowano 22 sierpnia 2026
Tagi
Udostępnij
Powiązane artykuły

Obserwowalność w Spring Boot 2026: OpenTelemetry, Distributed Tracing i pytania rekrutacyjne
Kompleksowy przewodnik po obserwowalności Spring Boot z OpenTelemetry i Micrometer Tracing. Konfiguracja distributed tracing, Observation API, eksport OTLP oraz przygotowanie do rozmów kwalifikacyjnych.

Spring Boot Actuator: Monitorowanie Produkcyjne z Micrometer i Prometheus
Kompletny przewodnik po Spring Boot Actuator do monitorowania produkcji. Konfiguracja Micrometer, metryki Prometheus, własne endpointy i alerty.

Spring Boot YAML vs Properties: Porównanie Konfiguracji i Pytania Rekrutacyjne 2026
Dogłębne porównanie formatów konfiguracji YAML i Properties w Spring Boot. Omówienie składni, zarządzania profilami, struktur danych oraz najczęstszych pytań rekrutacyjnych.