Go 语言日志框架对比：Zap / Logrus / Zerolog 性能测试

学完这篇，你能自己跑出一份可信的 Go 日志框架性能对比数据，并知道在什么场景下该选 Zap、Logrus 还是 Zerolog。

第一步：搭一个干净的基准测试项目

不要在生产项目里测，那里有中间件、钩子和网络输出，数据会失真。新建一个空目录：

mkdir logbench && cd logbench
go mod init logbench
go get go.uber.org/zap
go get github.com/sirupsen/logrus
go get github.com/rs/zerolog

然后创建 bench_test.go，三个框架写在同一个文件里，保证编译优化、机器负载等条件完全一致。

第二步：统一输出目标——全部丢进 io.Discard

这是最关键的一步。如果三个框架分别写文件、写 stdout，你测的其实是磁盘和终端的速度，不是框架的速度。

package bench

import (
	"errors"
	"io"
	"testing"

	"github.com/rs/zerolog"
	"github.com/sirupsen/logrus"
	"go.uber.org/zap"
	"go.uber.org/zap/zapcore"
)

var msg = "user login failed"
var errVal = errors.New("invalid token")

func BenchmarkZap(b *testing.B) {
	core := zapcore.NewCore(
		zapcore.NewJSONEncoder(zap.NewProductionEncoderConfig()),
		zapcore.AddSync(io.Discard),
		zapcore.InfoLevel,
	)
	logger := zap.New(core)
	b.ReportAllocs()
	b.ResetTimer()
	for i := 0; i < b.N; i++ {
		logger.Info(msg, zap.String("user", "alice"), zap.Error(errVal))
	}
}

func BenchmarkZerolog(b *testing.B) {
	logger := zerolog.New(io.Discard)
	b.ReportAllocs()
	b.ResetTimer()
	for i := 0; i < b.N; i++ {
		logger.Info().Str("user", "alice").Err(errVal).Msg(msg)
	}
}

func BenchmarkLogrus(b *testing.B) {
	logger := logrus.New()
	logger.SetOutput(io.Discard)
	logger.SetFormatter(&logrus.JSONFormatter{})
	b.ReportAllocs()
	b.ResetTimer()
	for i := 0; i < b.N; i++ {
		logger.WithFields(logrus.Fields{
			"user":  "alice",
			"error": errVal,
		}).Info(msg)
	}
}

注意：b.ResetTimer() 必须放在初始化之后、循环之前。否则 logger 的构建开销会被算进每次迭代，Zap 这种初始化较重的库会被"冤枉"。

第三步：跑起来，并且多个样本

go test -bench=. -benchmem -count=5 -run=^$ | tee result.txt

-run=^$ 确保不跑普通单元测试；-count=5 跑 5 轮，因为单次结果抖动可能超过 10%。

有条件的话装个 benchstat 做统计对比，比肉眼靠谱：

go install golang.org/x/perf/cmd/benchstat@latest
benchstat result.txt

注意：测试时关掉 IDE 的实时索引、Docker 容器、同步网盘。笔记本还要插电——省电模式会把 CPU 降频，跑出来的 ns/op 直接翻倍。

第四步：看结果，关注量级而不是小数点

在一台普通的 x86 服务器 / 开发机上，典型结果大致是这样的量级（不同机器绝对值会有差异，重点是数量级）：

结论很清楚：Zap 和 Zerolog 属于同一梯队，都比 Logrus 快一个数量级以上，差距主要来自 Logrus 每次 WithFields 都会创建 logrus.Fields map 并触发大量堆分配。日记十万条日志的场景，这个差距就是 GC 的压力。

第五步：加测三个"真实场景"变量

只测裸调用会误导选型，再补三个维度：

1. 开启调用者信息。Zap 用 zap.AddCaller()，Zerolog 用 logger.With().Caller().Logger()。开启后两者都会明显变慢（栈回溯很贵），如果你需要定位行号，务必重新测一遍。
2. Text 格式 vs JSON 格式。Logrus 的 TextFormatter、Zap 的 ConsoleEncoder 走的是另一条代码路径，性能表现不一样。
3. slog。Go 1.21 之后标准库自带结构化日志，加进来当参照系，如果它对你就够用，可能连第三方库都不用引。

注意：不要在循环里用 fmt.Sprintf 拼字符串再传给 logger。这样测出来的是 fmt 的分配开销，会把三个框架的差异抹平。

第六步：按结果选型

• 追求吞吐、结构化日志、要采样和多样输出：选 Zap，生态成熟，SugaredLogger 兼顾性能和易用。
• 极度在意 GC、热路径日志量大：选 Zerolog，链式 API 设计目标就是零分配。
• 代码库已经在用 Logrus：不必为了性能全量重写，先把 QPS 最高的那几条热路径替换掉，剩下的保持不动。
• 新项目、需求简单：先看标准库 slog，不够用再上第三方。

小结

1. 对比测试的前提是三个框架用同一份代码、同一个 io.Discard 输出、同一台机器。
2. b.ResetTimer() 位置、-benchmem、-count=5 是拿到可信数据的三个必要条件。
3. 看数量级不看小数：Zap / Zerolog 比 Logrus 快一个数量级以上，前者差距来自 map 分配。
4. 开启 caller、切换 formatter 后必须重测，结论可能变化。
5. 选型以业务热路径为准，不必为基准数据全量重构。