Logowanie

Logowanie i monitorowanie działają razem, aby pomóc Ci zrozumieć i zoptymalizować wydajność aplikacji, a także diagnozować błędy i problemy związane z systemem. Włącz logi podsumowujące dla wszystkich wywołań interfejsu API i logi szczegółowe dla nieudanych wywołań interfejsu API, aby w razie potrzeby pomocy technicznej móc dostarczyć logi wywołań interfejsu API.

Rejestrowanie w bibliotece klienta

Biblioteki klienta interfejsu Google Ads API mają wbudowane rejestrowanie. Szczegółowe informacje o logowaniu na poszczególnych platformach znajdziesz w dokumentacji logowania w wybranej bibliotece klienta.

Język Przewodnik
Java Dokumentacja usługi Logging w języku Java
.NET Dokumentacja usługi Logging dla platformy .NET
PHP Dokumentacja usługi Logging w PHP
Python Dokumentacja usługi Logging w Pythonie
Ruby Dokumentacja usługi Logging w Ruby
Perl Dokumentacja usługi Logging w Perlu

Format logu

Biblioteki klienta interfejsu Google Ads API generują szczegółowy dziennikdziennik podsumowujący dla każdego wywołania interfejsu API. Szczegółowy log zawiera wszystkie informacje o wywołaniu interfejsu API, a log podsumowujący – tylko podstawowe informacje. Wyświetlany jest przykład każdego typu dziennika. Dzienniki są skrócone i sformatowane w taki sposób, aby były czytelne.

Log podsumowania

GoogleAds.SummaryRequestLogs Warning: 1 : [2023-09-15 19:58:39Z] -
Request made: Host: , Method: /google.ads.googleads.v14.services.GoogleAdsService/SearchStream,
ClientCustomerID: 5951878031, RequestID: hELhBPNlEDd8mWYcZu7b8g,
IsFault: True, FaultMessage: Status(StatusCode="InvalidArgument",
Detail="Request contains an invalid argument.")

Szczegółowy dziennik

GoogleAds.DetailedRequestLogs Verbose: 1 : [2023-11-02 21:09:36Z] -
---------------BEGIN API CALL---------------

Request
-------

Method Name: /google.ads.googleads.v14.services.GoogleAdsService/SearchStream
Host:
Headers: {
  "x-goog-api-client": "gl-dotnet/5.0.0 gapic/17.0.1 gax/4.2.0 grpc/2.46.3 gccl/3.0.1 pb/3.21.5",
  "developer-token": "REDACTED",
  "login-customer-id": "1234567890",
  "x-goog-request-params": "customer_id=4567890123"
}

{ "customerId": "4567890123", "query": "SELECT ad_group_criterion.type FROM
  ad_group_criterion WHERE ad_group.status IN(ENABLED, PAUSED) AND
  campaign.status IN(ENABLED, PAUSED) ", "summaryRowSetting": "NO_SUMMARY_ROW" }

Response
--------
Headers: {
  "date": "Thu, 02 Nov 2023 21:09:35 GMT",
  "alt-svc": "h3-29=\":443\"; ma=2592000"
}

{
  "results": [ {
    "adGroupCriterion": {
      "resourceName": "customers/4567890123/adGroupCriteria/456789456789~123456123467",
      "type": "KEYWORD"
    } }, {
    "adGroupCriterion": {
      "resourceName": "customers/4567890123/adGroupCriteria/456789456789~56789056788",
      "type": "KEYWORD"
    } } ],
    "fieldMask": "adGroupCriterion.type", "requestId": "VsJ4F00ew6s9heHvAJ-abw"
}
----------------END API CALL----------------

Co zrobić, jeśli nie używam biblioteki klienta?

Jeśli nie używasz biblioteki klienta, zaimplementuj własne rejestrowanie, aby rejestrować szczegóły wychodzących i przychodzących wywołań interfejsu API. Należy rejestrować co najmniej wartość nagłówka odpowiedzi request-id, którą w razie potrzeby można udostępnić zespołom pomocy technicznej.

Logowanie w chmurze

Do rejestrowania logów i danych o skuteczności aplikacji możesz używać wielu narzędzi. Możesz na przykład użyć Google Cloud Logging, aby rejestrować dane o wydajności w projekcie Google Cloud. Dzięki temu możesz skonfigurować panele i alerty w Google Cloud Monitoring, aby korzystać z rejestrowanych wskaźników.

Cloud Logging oferuje biblioteki klienta dla wszystkich obsługiwanych języków bibliotek klienta interfejsu Google Ads API z wyjątkiem Perla, więc w większości przypadków można rejestrować dane w Cloud Logging bezpośrednio z integracji biblioteki klienta. W przypadku innych języków, w tym Perla, Cloud Logging udostępnia też interfejs API REST.

Istnieje kilka opcji logowania w Cloud Logging lub innym narzędziu z biblioteki klienta interfejsu Google Ads API. Każda opcja wiąże się z określonym czasem wdrożenia, złożonością i wydajnością. Zanim zdecydujesz się na wdrożenie konkretnego rozwiązania, dokładnie rozważ te kompromisy.

Opcja 1. Zapisywanie lokalnych dzienników w chmurze z procesu w tle

Logi biblioteki klienta można zapisywać w pliku lokalnym na komputerze, modyfikując konfigurację logowania. Gdy logi zostaną zapisane w pliku lokalnym, możesz skonfigurować demona, który będzie je zbierać i wysyłać do chmury.

Jednym z ograniczeń tego podejścia jest to, że niektóre rodzaje danych o skuteczności nie są domyślnie rejestrowane. Dzienniki biblioteki klienta zawierają szczegóły obiektów żądania i odpowiedzi, więc wskaźniki opóźnienia nie będą uwzględniane, chyba że wprowadzisz dodatkowe zmiany, aby je również rejestrować.

Opcja 2. Uruchom aplikację w Compute Engine i zainstaluj agenta operacyjnego

Jeśli Twoja aplikacja działa w Compute Engine, możesz wysyłać logi do Google Cloud Logging, instalując agenta operacyjnego. Agenta operacyjnego można skonfigurować tak, aby wysyłał logi aplikacji do Cloud Logging, oprócz wskaźników i logów, które są wysyłane domyślnie.

Jeśli Twoja aplikacja działa już w środowisku Google Cloud lub rozważasz przeniesienie jej do Google Cloud, ta opcja jest warta rozważenia.

Opcja 3. Wdróż logowanie w kodzie aplikacji

Logowanie bezpośrednio z kodu aplikacji można przeprowadzić na 2 sposoby:

  1. W każdym odpowiednim miejscu w kodzie umieść obliczenia danych i instrukcje logowania. Ta opcja jest bardziej odpowiednia w przypadku mniejszych baz kodu, w których zakres i koszty utrzymania takiej zmiany byłyby minimalne.

  2. wdrażanie interfejsu logowania; Jeśli logikę aplikacji można wyodrębnić w taki sposób, aby różne części aplikacji dziedziczyły z tej samej klasy bazowej, logikę rejestrowania można zaimplementować w tej klasie bazowej. Ta opcja jest zwykle preferowana w stosunku do włączania instrukcji logowania w kodzie aplikacji, ponieważ jest łatwiejsza w utrzymaniu i skalowaniu. W przypadku większych baz kodu utrzymanie i skalowalność tego rozwiązania są jeszcze ważniejsze.

Jednym z ograniczeń tego podejścia jest to, że pełne dzienniki żądań i odpowiedzi nie są dostępne w kodzie aplikacji. Pełne obiekty żądań i odpowiedzi są dostępne z poziomu przechwytujących gRPC. W ten sposób wbudowane rejestrowanie biblioteki klienta uzyskuje dzienniki żądań i odpowiedzi. W przypadku błędu dodatkowe informacje mogą być dostępne w obiekcie wyjątku, ale w przypadku udanych odpowiedzi w logice aplikacji dostępnych jest mniej szczegółów. Na przykład w większości przypadków identyfikator żądania zakończonego powodzeniem nie jest dostępny w obiektach odpowiedzi interfejsu Google Ads API.

Opcja 4. Wdrażanie niestandardowego interfejsu przechwytującego logowanie gRPC

gRPC obsługuje interfejsy jednoargumentowe i strumieniowe, które mają dostęp do obiektów żądań i odpowiedzi podczas przesyłania ich między klientem a serwerem. Biblioteki klienta interfejsu Google Ads API używają przechwytujących gRPC, aby oferować wbudowaną obsługę rejestrowania. Podobnie możesz wdrożyć niestandardowy interfejs gRPC, aby uzyskać dostęp do obiektów żądań i odpowiedzi, wyodrębniać informacje na potrzeby rejestrowania i monitorowania oraz zapisywać te dane w wybranej lokalizacji.

W przeciwieństwie do niektórych innych przedstawionych tu rozwiązań wdrożenie niestandardowego interfejsu gRPC umożliwia przechwytywanie obiektów żądań i odpowiedzi przy każdym żądaniu oraz wdrażanie dodatkowej logiki do przechwytywania szczegółów żądania. Możesz na przykład obliczyć czas trwania żądania, implementując logikę pomiaru wydajności w samym niestandardowym module przechwytującym, a następnie zarejestrować dane w usłudze rejestrowania Google Cloud, aby udostępnić je do monitorowania opóźnień w Google Cloud Monitoring.

Niestandardowy przechwytujący logowania w Google Cloud w Pythonie

Aby zademonstrować to rozwiązanie, napisaliśmy w Pythonie przykład niestandardowego interfejsu do rejestrowania zdarzeń. Niestandardowy interfejs przechwytujący zostanie utworzony i przekazany do klienta usługi. Następnie uzyskuje dostęp do obiektów żądań i odpowiedzi, które są przekazywane podczas każdego wywołania metody usługi, przetwarza dane z tych obiektów i wysyła je do usługi Google Cloud Logging.

Oprócz danych pochodzących z obiektów żądania i odpowiedzi przykład implementuje dodatkową logikę, która rejestruje czas trwania żądania i inne metadane przydatne do monitorowania, np. czy żądanie zostało zrealizowane. Więcej informacji o tym, jak te informacje mogą być przydatne zarówno ogólnie do monitorowania, jak i w połączeniu z Google Cloud Logging i Google Cloud Monitoring, znajdziesz w przewodniku po monitorowaniu.

# Copyright 2022 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     https://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
"""A custom gRPC Interceptor that logs requests and responses to Cloud Logging.

The custom interceptor object is passed into the get_service method of the
GoogleAdsClient. It intercepts requests and responses, parses them into a
human readable structure and logs them using the logging service instantiated
within the class (in this case, a Cloud Logging client).
"""

import logging
import time

from google.cloud import logging
from grpc import UnaryUnaryClientInterceptor, UnaryStreamClientInterceptor

from google.ads.googleads.interceptors import LoggingInterceptor, mask_message


class CloudLoggingInterceptor(LoggingInterceptor):
    """An interceptor that logs rpc request and response details to Google Cloud Logging.

    This class inherits logic from the LoggingInterceptor, which simplifies the
    implementation here. Some logic is required here in order to make the
    underlying logic work -- comments make note of this where applicable.
    NOTE: Inheriting from the LoggingInterceptor class could yield unexpected side
    effects. For example, if the LoggingInterceptor class is updated, this class would
    inherit the updated logic, which could affect its functionality. One option to avoid
    this is to inherit from the Interceptor class instead, and selectively copy whatever
    logic is needed from the LoggingInterceptor class."""

    def __init__(self, api_version):
        """Initializer for the CloudLoggingInterceptor.

        Args:
            api_version: a str of the API version of the request.
        """
        super().__init__(logger=None, api_version=api_version)
        # Instantiate the Cloud Logging client.
        logging_client = logging.Client()
        self.logger = logging_client.logger("cloud_logging")

    def log_successful_request(
        self,
        method,
        customer_id,
        metadata_json,
        request_id,
        request,
        trailing_metadata_json,
        response,
    ):
        """Handles logging of a successful request.

        Args:
            method: The method of the request.
            customer_id: The customer ID associated with the request.
            metadata_json: A JSON str of initial_metadata.
            request_id: A unique ID for the request provided in the response.
            request: An instance of a request proto message.
            trailing_metadata_json: A JSON str of trailing_metadata.
            response: A grpc.Call/grpc.Future instance.
        """
        # Retrieve and mask the RPC result from the response future.
        # This method is available from the LoggingInterceptor class.
        # Ensure self._cache is set in order for this to work.
        # The response result could contain up to 10,000 rows of data,
        # so consider truncating this value before logging it, to save
        # on data storage costs and maintain readability.
        result = self.retrieve_and_mask_result(response)

        # elapsed_ms is the approximate elapsed time of the RPC, in milliseconds.
        # There are different ways to define and measure elapsed time, so use
        # whatever approach makes sense for your monitoring purposes.
        # rpc_start and rpc_end are set in the intercept_unary_* methods below.
        elapsed_ms = (self.rpc_end - self.rpc_start) * 1000

        debug_log = {
            "method": method,
            "host": metadata_json,
            "request_id": request_id,
            "request": str(request),
            "headers": trailing_metadata_json,
            "response": str(result),
            "is_fault": False,
            "elapsed_ms": elapsed_ms,
        }
        self.logger.log_struct(debug_log, severity="DEBUG")

        info_log = {
            "customer_id": customer_id,
            "method": method,
            "request_id": request_id,
            "is_fault": False,
            # Available from the Interceptor class.
            "api_version": self._api_version,
        }
        self.logger.log_struct(info_log, severity="INFO")

    def log_failed_request(
        self,
        method,
        customer_id,
        metadata_json,
        request_id,
        request,
        trailing_metadata_json,
        response,
    ):
        """Handles logging of a failed request.

        Args:
            method: The method of the request.
            customer_id: The customer ID associated with the request.
            metadata_json: A JSON str of initial_metadata.
            request_id: A unique ID for the request provided in the response.
            request: An instance of a request proto message.
            trailing_metadata_json: A JSON str of trailing_metadata.
            response: A JSON str of the response message.
        """
        exception = self._get_error_from_response(response)
        exception_str = self._parse_exception_to_str(exception)
        fault_message = self._get_fault_message(exception)

        info_log = {
            "method": method,
            "endpoint": self.endpoint,
            "host": metadata_json,
            "request_id": request_id,
            "request": str(request),
            "headers": trailing_metadata_json,
            "exception": exception_str,
            "is_fault": True,
        }
        self.logger.log_struct(info_log, severity="INFO")

        error_log = {
            "method": method,
            "endpoint": self.endpoint,
            "request_id": request_id,
            "customer_id": customer_id,
            "is_fault": True,
            "fault_message": fault_message,
        }
        self.logger.log_struct(error_log, severity="ERROR")

    def intercept_unary_unary(self, continuation, client_call_details, request):
        """Intercepts and logs API interactions.

        Overrides abstract method defined in grpc.UnaryUnaryClientInterceptor.

        Args:
            continuation: a function to continue the request process.
            client_call_details: a grpc._interceptor._ClientCallDetails
                instance containing request metadata.
            request: a SearchGoogleAdsRequest or SearchGoogleAdsStreamRequest
                message class instance.

        Returns:
            A grpc.Call/grpc.Future instance representing a service response.
        """
        # Set the rpc_end value to current time when RPC completes.
        def update_rpc_end(response_future):
            self.rpc_end = time.perf_counter()

        # Capture precise clock time to later calculate approximate elapsed
        # time of the RPC.
        self.rpc_start = time.perf_counter()

        # The below call is REQUIRED.
        response = continuation(client_call_details, request)

        response.add_done_callback(update_rpc_end)

        self.log_request(client_call_details, request, response)

        # The below return is REQUIRED.
        return response

    def intercept_unary_stream(
        self, continuation, client_call_details, request
    ):
        """Intercepts and logs API interactions for Unary-Stream requests.

        Overrides abstract method defined in grpc.UnaryStreamClientInterceptor.

        Args:
            continuation: a function to continue the request process.
            client_call_details: a grpc._interceptor._ClientCallDetails
                instance containing request metadata.
            request: a SearchGoogleAdsRequest or SearchGoogleAdsStreamRequest
                message class instance.

        Returns:
            A grpc.Call/grpc.Future instance representing a service response.
        """

        def on_rpc_complete(response_future):
            self.rpc_end = time.perf_counter()
            self.log_request(client_call_details, request, response_future)

        # Capture precise clock time to later calculate approximate elapsed
        # time of the RPC.
        self.rpc_start = time.perf_counter()

        # The below call is REQUIRED.
        response = continuation(client_call_details, request)

        # Set self._cache to the cache on the response wrapper in order to
        # access the streaming logs. This is REQUIRED in order to log streaming
        # requests.
        self._cache = response.get_cache()

        response.add_done_callback(on_rpc_complete)

        # The below return is REQUIRED.
        return response