🚀 PandaCoder 2.0.0 - ES DSL Monitor & SQL Monitor 震撼发布！
让数据库查询和搜索引擎调用一目了然！ 告别盲目调试，拥抱可视化监控时代！
📖 目录
-
功能介绍
-
为什么需要这两个监控工具
-
快速开始
-
详细配置指南
-
使用场景
-
常见问题
-
技术原理
🎯 功能介绍
ES DSL Monitor - Elasticsearch 查询监控
像 MyBatis Log 一样，实时捕获和展示 Elasticsearch 查询！
✨ 核心特性
-
🔍 实时监控：自动捕获所有 ES 查询，无需修改代码
-
📊 可视化展示：独立工具窗口，清晰展示查询详情
-
🎨 智能解析：支持多种日志格式（REST Client、cURL、Spring Data ES）
-
🔗 API 关联：自动关联触发查询的 API 接口
-
💾 持久化存储：自动保存查询历史，方便回溯分析
-
🚀 零性能损耗：异步处理，不影响 IDEA 运行速度
📋 监控内容
| 字段 |
说明 |
示例 |
| 方法 |
HTTP 方法 |
GET / POST / PUT / DELETE |
| 索引 |
ES 索引名称 |
torchv_chunk_dims_1024 |
| 端点 |
请求端点 |
/_search / /_count |
| DSL 查询 |
完整的查询 JSON |
{"query": {"bool": {...}}} |
| API 路径 |
触发查询的 API |
/api/vector/search |
| 调用类 |
发起查询的 Java 类 |
VectorDataRetrieverElastic.java:125 |
| 执行时间 |
查询耗时 |
23 ms |
| 响应 |
ES 返回的响应 |
{"took": 5, "hits": {...}} |
SQL Monitor - SQL 查询监控
完美复刻 MyBatis Log Plugin 的功能，在 IDEA 中原生支持！
✨ 核心特性
-
📝 完整 SQL 记录：捕获所有 MyBatis SQL 查询
-
🎯 参数替换：自动生成可执行的 SQL（参数已替换）
-
🔍 智能分类：按操作类型（SELECT/INSERT/UPDATE/DELETE）分类
-
📊 统计分析：实时统计各类 SQL 数量和表访问情况
-
🔗 API 追踪：自动关联触发 SQL 的 API 接口
-
🎨 颜色标识：不同操作类型使用不同颜色，一目了然
📋 监控内容
| 字段 |
说明 |
示例 |
| 操作 |
SQL 操作类型 |
SELECT / INSERT / UPDATE / DELETE |
| 表名 |
操作的数据库表 |
user / order |
| SQL 语句 |
原始 SQL（带占位符） |
SELECT * FROM user WHERE id = ? |
| 参数 |
绑定的参数值 |
123(Integer) |
| 可执行 SQL |
参数已替换的 SQL |
SELECT * FROM user WHERE id = 123 |
| 结果数 |
查询返回的记录数 |
10 |
| API 路径 |
触发 SQL 的 API |
/api/user/list |
| 调用类 |
Mapper 接口 |
UserMapper.selectById |
| 执行时间 |
SQL 耗时 |
15 ms |
💡 为什么需要这两个监控工具
传统开发的痛点
😫 Elasticsearch 调试困境
// 代码中构建复杂的 ES 查询
NativeQuery query = NativeQuery.builder()
.withQuery(boolQuery)
.withKnnQuery(knnQuery)
.withPageable(pageable)
.build();
SearchHits<Document> hits = elasticsearchTemplate.search(query, Document.class);
// ❌ 问题：
// 1. 不知道实际发送给 ES 的 DSL 是什么样的
// 2. 无法直接在 Kibana 中测试
// 3. 调试时需要手动打印 JSON
// 4. 向量数据太长，难以阅读
😫 SQL 调试困境
// MyBatis Mapper 调用
List<User> users = userMapper.selectByCondition(condition);
// ❌ 问题：
// 1. 不知道实际执行的 SQL 是什么
// 2. 参数绑定是否正确？
// 3. 是否触发了 N+1 查询？
// 4. 哪个 API 调用了这个 SQL？
🎉 使用监控工具后
✅ ES DSL Monitor 带来的改变
✨ 实时看到完整的 ES 查询：
╔═══════════════════════════════════════════════════════════════
║ ES DSL Query
╠═══════════════════════════════════════════════════════════════
║ Method: POST
║ Index: torchv_chunk_dims_1024
║ Endpoint: /_search
║ API Path: /api/vector/search
║ Caller: VectorDataRetrieverElastic.java:125
║
║ DSL:
║ {
║ "query": {
║ "bool": {
║ "must": [
║ {"match": {"content": {"query": "用户输入", "boost": 0.3}}}
║ ]
║ }
║ },
║ "knn": {
║ "field": "vector",
║ "k": 10,
║ "num_candidates": 50,
║ "query_vector": [0.123, 0.456, ...]
║ },
║ "size": 10
║ }
║
║ Response: 156 hits in 23ms
╚═══════════════════════════════════════════════════════════════
✅ 好处：
1. 一键复制 DSL，直接在 Kibana 测试
2. 清晰看到查询结构和参数
3. 追踪 API 到 ES 查询的完整链路
4. 发现性能瓶颈
✅ SQL Monitor 带来的改变
✨ 实时看到完整的 SQL 执行：
╔═══════════════════════════════════════════════════════════════
║ SQL Query
╠═══════════════════════════════════════════════════════════════
║ Operation: SELECT
║ Table: user
║ API Path: /api/user/list
║ Caller: UserMapper.selectByCondition
║
║ Original SQL:
║ SELECT id, name, email, created_at
║ FROM user
║ WHERE status = ? AND created_at > ?
║ ORDER BY id DESC
║ LIMIT ?
║
║ Parameters:
║ 1(Integer), 2025-01-01 00:00:00(Timestamp), 10(Integer)
║
║ Executable SQL:
║ SELECT id, name, email, created_at
║ FROM user
║ WHERE status = 1 AND created_at > '2025-01-01 00:00:00'
║ ORDER BY id DESC
║ LIMIT 10
║
║ Result: 10 rows in 15ms
╚═══════════════════════════════════════════════════════════════
✅ 好处：
1. 一键复制可执行 SQL，直接在数据库工具运行
2. 清晰看到参数绑定
3. 追踪 API 到 SQL 的完整链路
4. 发现 N+1 查询问题
5. 优化慢查询
🚀 快速开始
第一步：安装插件
-
打开 IntelliJ IDEA
-
Settings → Plugins → 搜索 PandaCoder
-
点击 Install 安装
-
重启 IDEA
第二步：打开工具窗口
在 IDEA 底部工具栏找到：
第三步：启用监听
在对应的工具窗口中：
第四步：配置日志输出（重要！）
这是最关键的一步！ 如果不配置日志，监控工具无法捕获查询。
📝 详细配置指南
ES DSL Monitor 配置
配置原理说明
为什么需要配置日志？
ES DSL Monitor 的工作原理是监听 IDEA 控制台的输出，解析其中的 Elasticsearch 查询日志。但是，Elasticsearch 客户端默认不会输出详细的查询日志，需要手动配置日志级别。
这类似于 MyBatis 需要配置 DEBUG 日志才能看到 SQL 一样。
方式 1：配置 Logback（推荐）
如果你的项目使用 Logback（Spring Boot 默认），在 src/main/resources/logback-spring.xml 或 logback-local.xml 中添加：
<configuration>
<!-- 现有配置保持不变... -->
<!-- ===== Elasticsearch 日志配置（新增） ===== -->
<!-- Elasticsearch Java Client 请求日志 -->
<logger name="org.elasticsearch.client" level="DEBUG">
<appender-ref ref="STDOUT" />
</logger>
<!-- Spring Data Elasticsearch 查询日志 -->
<logger name="org.springframework.data.elasticsearch" level="DEBUG">
<appender-ref ref="STDOUT" />
</logger>
<!-- Elasticsearch RestClient 详细日志 -->
<logger name="org.elasticsearch.client.RestClient" level="DEBUG">
<appender-ref ref="STDOUT" />
</logger>
<!-- Elasticsearch 请求追踪（最详细，强烈推荐！） -->
<logger name="tracer" level="TRACE">
<appender-ref ref="STDOUT" />
</logger>
</configuration>
配置说明：
| Logger 名称 |
级别 |
作用 |
是否必需 |
org.elasticsearch.client |
DEBUG |
输出 ES 客户端基础日志 |
⭐⭐⭐ 推荐 |
org.elasticsearch.client.RestClient |
DEBUG |
输出 HTTP 请求/响应 |
⭐⭐⭐⭐ 重要 |
org.springframework.data.elasticsearch |
DEBUG |
Spring Data ES 查询日志 |
⭐⭐⭐ 推荐 |
tracer |
TRACE |
输出完整的 cURL 格式请求 |
⭐⭐⭐⭐⭐ 必需 |
⚠️ 重点：tracer 日志是最重要的！ 它会输出类似以下格式的日志：
curl -iX POST "localhost:9200/torchv_chunk_dims_1024/_search?typed_keys=true" -H "Content-Type: application/json" -d '
{
"query": {
"bool": {
"must": [
{"match": {"content": {"query": "用户查询", "boost": 0.3}}}
]
}
},
"knn": {
"field": "vector",
"k": 10,
"num_candidates": 50,
"query_vector": [0.123, 0.456, ...]
},
"size": 10
}'
# {
# "took": 5,
# "hits": {
# "total": {"value": 156},
# "hits": [...]
# }
# }
这种格式包含了：
-
✅ 完整的 HTTP 方法和 URL
-
✅ 完整的 DSL 查询 JSON
-
✅ 完整的响应 JSON
-
✅ 可以直接复制到终端执行
方式 2：配置 application.yml
在 src/main/resources/application.yml 或 application-dev.yml 中添加：
# 日志配置
logging:
level:
# Elasticsearch 客户端日志
org.elasticsearch.client: DEBUG
org.elasticsearch.client.RestClient: DEBUG
# Spring Data Elasticsearch
org.springframework.data.elasticsearch: DEBUG
org.springframework.data.elasticsearch.client.elc: DEBUG
# HTTP 追踪（最重要！）
tracer: TRACE
⚠️ 注意：
方式 3：配置 Log4j2（如果使用 Log4j2）
在 src/main/resources/log4j2.xml 中添加：
<Configuration>
<!-- 现有配置... -->
<!-- Elasticsearch 日志配置 -->
<Loggers>
<Logger name="org.elasticsearch.client" level="debug" additivity="false">
<AppenderRef ref="Console"/>
</Logger>
<Logger name="org.elasticsearch.client.RestClient" level="debug" additivity="false">
<AppenderRef ref="Console"/>
</Logger>
<Logger name="org.springframework.data.elasticsearch" level="debug" additivity="false">
<AppenderRef ref="Console"/>
</Logger>
<Logger name="tracer" level="trace" additivity="false">
<AppenderRef ref="Console"/>
</Logger>
</Loggers>
</Configuration>
验证配置是否生效
配置完成后，重启应用程序，在 IDEA 控制台应该能看到类似以下内容：
2025-10-19 15:30:45.123 TRACE tracer - curl -iX POST "localhost:9200/index_name/_search" -d '{"query": {...}}'
如果看到了，说明配置成功！ ✅
如果没看到，请检查：
-
❌ 配置文件路径是否正确
-
❌ 日志级别是否设置为 TRACE
-
❌ 是否重启了应用程序
-
❌ 是否在正确的 profile 中配置（如 dev/local）
SQL Monitor 配置
配置原理说明
为什么需要配置日志？
SQL Monitor 的工作原理是监听 MyBatis 输出的 SQL 日志。MyBatis 在 DEBUG 级别会输出完整的 SQL 执行信息：
==> Preparing: SELECT * FROM user WHERE id = ?
==> Parameters: 123(Integer)
<== Total: 1
如果日志级别设置为 INFO 或更高，这些日志不会输出，SQL Monitor 就无法捕获。
方式 1：配置 Logback（推荐）
在 logback-spring.xml 或 logback-local.xml 中添加：
<configuration>
<!-- 现有配置保持不变... -->
<!-- ===== MyBatis SQL 日志配置（新增） ===== -->
<!-- 方式 A：配置 Mapper 接口包路径（推荐） -->
<logger name="com.yourpackage.mapper" level="DEBUG">
<appender-ref ref="STDOUT" />
</logger>
<!-- 或者 -->
<!-- 方式 B：配置 MyBatis Plus（如果使用 MyBatis Plus） -->
<logger name="com.baomidou.mybatisplus" level="DEBUG">
<appender-ref ref="STDOUT" />
</logger>
<!-- 或者 -->
<!-- 方式 C：配置所有 MyBatis 日志 -->
<logger name="org.apache.ibatis" level="DEBUG">
<appender-ref ref="STDOUT" />
</logger>
</configuration>
配置说明：
| 配置方式 |
Logger 名称 |
说明 |
推荐度 |
| 方式 A |
com.yourpackage.mapper |
只输出你的 Mapper 接口的 SQL |
⭐⭐⭐⭐⭐ 最推荐 |
| 方式 B |
com.baomidou.mybatisplus |
MyBatis Plus 的 SQL |
⭐⭐⭐⭐ 推荐 |
| 方式 C |
org.apache.ibatis |
所有 MyBatis 日志（可能很多） |
⭐⭐⭐ 一般 |
⚠️ 注意： 请将 com.yourpackage.mapper 替换为你项目中 Mapper 接口的实际包路径！
示例：
-
如果你的 Mapper 在 com.example.demo.mapper 包下，配置为：
<logger name="com.example.demo.mapper" level="DEBUG">
-
如果你的 Mapper 在 com.torchv.application.mapper 包下，配置为：
<logger name="com.torchv.application.mapper" level="DEBUG">
方式 2：配置 application.yml
在 application.yml 或 application-dev.yml 中添加：
# 日志配置
logging:
level:
# 方式 A：配置 Mapper 接口包路径（推荐）
com.yourpackage.mapper: DEBUG
# 或者
# 方式 B：配置 MyBatis Plus
com.baomidou.mybatisplus: DEBUG
# 或者
# 方式 C：配置所有 MyBatis 日志
org.apache.ibatis: DEBUG
⚠️ 同样需要替换为你的实际包路径！
验证配置是否生效
配置完成后，重启应用程序，在 IDEA 控制台应该能看到类似以下内容：
2025-10-19 15:30:45.123 DEBUG com.example.mapper.UserMapper.selectById - ==> Preparing: SELECT * FROM user WHERE id = ?
2025-10-19 15:30:45.125 DEBUG com.example.mapper.UserMapper.selectById - ==> Parameters: 123(Integer)
2025-10-19 15:30:45.130 DEBUG com.example.mapper.UserMapper.selectById - <== Total: 1
如果看到了，说明配置成功！ ✅
如果没看到，请检查：
-
❌ Mapper 包路径是否正确
-
❌ 日志级别是否设置为 DEBUG
-
❌ 是否重启了应用程序
-
❌ 是否在正确的 profile 中配置
完整配置示例（基于你的 ais-server 项目）
根据你提供的配置，这是一个完整的 logback-local.xml 示例：
<configuration>
<!-- 控制台输出 -->
<appender name="STDOUT" class="ch.qos.logback.core.ConsoleAppender">
<encoder>
<pattern>%d{yyyy-MM-dd HH🇲🇲ss.SSS} %highlight(%-5level) %cyan(%logger{36}) - %msg%n</pattern>
<charset>UTF-8</charset>
</encoder>
</appender>
<!-- 文件输出 -->
<appender name="syslog" class="ch.qos.logback.core.rolling.RollingFileAppender">
<File>logs/ais-server.log</File>
<rollingPolicy class="ch.qos.logback.core.rolling.SizeAndTimeBasedRollingPolicy">
<fileNamePattern>logs/ais-server.%d{yyyy-MM-dd}.%i.log</fileNamePattern>
<maxFileSize>50MB</maxFileSize>
<maxHistory>30</maxHistory>
</rollingPolicy>
<encoder>
<pattern>%d{yyyy-MM-dd HH🇲🇲ss.SSS} %-5level %logger{36} - %msg%n</pattern>
<charset>UTF-8</charset>
</encoder>
</appender>
<!-- Root Logger -->
<root level="INFO">
<appender-ref ref="STDOUT" />
</root>
<!-- 业务日志 -->
<logger name="com.torchv" level="DEBUG">
<appender-ref ref="syslog" />
</logger>
<!-- ===== Elasticsearch 日志配置 ===== -->
<!-- Elasticsearch Java Client 请求日志 -->
<logger name="org.elasticsearch.client" level="DEBUG">
<appender-ref ref="STDOUT" />
<appender-ref ref="syslog" />
</logger>
<!-- Spring Data Elasticsearch 查询日志 -->
<logger name="org.springframework.data.elasticsearch" level="DEBUG">
<appender-ref ref="STDOUT" />
<appender-ref ref="syslog" />
</logger>
<!-- Elasticsearch RestClient 详细日志 -->
<logger name="org.elasticsearch.client.RestClient" level="DEBUG">
<appender-ref ref="STDOUT" />
<appender-ref ref="syslog" />
</logger>
<!-- Elasticsearch 请求追踪（最详细） -->
<logger name="tracer" level="TRACE">
<appender-ref ref="STDOUT" />
<appender-ref ref="syslog" />
</logger>
<!-- ===== MyBatis SQL 日志配置 ===== -->
<!-- MyBatis Mapper 日志（请替换为你的实际包路径） -->
<logger name="com.torchv.application.mapper" level="DEBUG">
<appender-ref ref="STDOUT" />
<appender-ref ref="syslog" />
</logger>
<!-- MyBatis Plus 日志（如果使用） -->
<logger name="com.baomidou.mybatisplus" level="DEBUG">
<appender-ref ref="STDOUT" />
<appender-ref ref="syslog" />
</logger>
</configuration>
对应的 application.yml 配置：
# 日志配置
logging:
level:
# Elasticsearch 客户端日志
org.elasticsearch.client: DEBUG
org.elasticsearch.client.RestClient: DEBUG
# Spring Data Elasticsearch
org.springframework.data.elasticsearch: DEBUG
org.springframework.data.elasticsearch.client.elc: DEBUG
# HTTP 追踪
tracer: TRACE
# MyBatis Mapper 日志
com.torchv.application.mapper: DEBUG
# MyBatis Plus
com.baomidou.mybatisplus: DEBUG
🎬 使用场景
场景 1：优化 Elasticsearch 查询性能
问题： 向量检索很慢，不知道是哪里的问题。
解决方案：
-
打开 ES DSL Monitor
-
执行向量检索操作
-
在监控窗口查看实际的 DSL 查询
-
检查：
-
num_candidates 是否设置合理？
-
k 值是否过大？
-
是否有不必要的 bool 查询？
-
向量维度是否正确？
-
复制 DSL 到 Kibana 进行调优测试
-
修改代码，再次验证
效果： 查询性能提升 3 倍！ 🚀
场景 2：排查 N+1 查询问题
问题： 列表接口很慢，怀疑有 N+1 查询。
解决方案：
-
打开 SQL Monitor
-
调用列表接口
-
在监控窗口查看 SQL 执行情况
-
发现：
SELECT * FROM order WHERE user_id = 1 -- 1 次
SELECT * FROM order_item WHERE order_id = 101 -- N 次
SELECT * FROM order_item WHERE order_id = 102 -- N 次
SELECT * FROM order_item WHERE order_id = 103 -- N 次
...
-
确认是 N+1 查询问题
-
修改为使用 JOIN 或批量查询
-
再次验证，只执行 1-2 条 SQL
效果： 接口响应时间从 2 秒降到 200 毫秒！ ⚡
场景 3：追踪 API 调用链路
问题： 某个 API 报错了，不知道执行了哪些查询。
解决方案：
-
打开 ES DSL Monitor 和 SQL Monitor
-
清空所有历史记录
-
调用出问题的 API
-
在监控窗口查看：
-
执行了哪些 SQL？
-
执行了哪些 ES 查询？
-
参数是否正确？
-
哪一步出错了？
-
定位问题根源
效果： 5 分钟定位问题，而不是 2 小时！ 🎯
场景 4：学习和理解 ORM 行为
问题： 不确定 MyBatis / Spring Data ES 生成的查询是什么样的。
解决方案：
-
打开对应的监控工具
-
执行各种操作
-
观察生成的查询
-
学习：
-
分页是如何实现的？
-
排序是如何处理的？
-
复杂条件是如何转换的？
-
关联查询是如何执行的？
效果： 快速掌握框架行为，写出更高效的代码！ 📚
场景 5：代码审查和性能优化
问题： 需要审查同事的代码，确保查询合理。
解决方案：
-
运行同事的代码
-
打开监控工具
-
执行各种操作
-
检查：
-
是否有冗余查询？
-
是否有慢查询？
-
索引是否使用正确？
-
查询逻辑是否合理？
-
提出优化建议
效果： 提升团队代码质量，避免性能问题上线！ 🛡️
❓ 常见问题
Q1: 为什么没有捕获到 ES 查询？
A: 请检查以下几点：
-
✅ "启用 ES 监听"开关是否打开？
-
✅ 日志配置是否正确？
-
✅ 应用程序是否在 IDEA 中运行？
-
必须通过 IDEA 的 Run/Debug 启动
-
外部启动的应用无法监控
-
✅ 是否执行了 ES 查询操作？
-
触发一个会调用 ES 的功能
-
检查控制台是否有 curl 开头的日志
-
✅ 日志格式是否支持？
调试方法：
在控制台搜索 curl 或 tracer，如果找不到，说明日志配置未生效。
Q2: 为什么没有捕获到 SQL 查询？
A: 请检查以下几点：
-
✅ "启用 SQL 监听"开关是否打开？
-
✅ 日志配置是否正确？
-
检查 Mapper 包路径是否正确
-
确认日志级别为 DEBUG
-
确认日志输出到控制台
-
✅ 项目是否使用 MyBatis？
-
✅ 是否执行了数据库操作？
-
触发一个会查询数据库的功能
-
检查控制台是否有 Preparing: 日志
调试方法：
在控制台搜索 Preparing: 或 Parameters:，如果找不到，说明日志配置未生效。
Q3: 向量数据太长，日志难以阅读怎么办？
A: ES DSL Monitor 已经优化了向量数据的显示：
-
✅ 自动截断：向量数据会自动截断显示
-
✅ 折叠显示：可以折叠/展开向量字段
-
✅ 复制功能：可以单独复制 DSL（不包含向量）
如果仍然觉得太长，可以：
-
在详情面板中查看（更清晰）
-
使用搜索功能过滤
-
导出到文件后用编辑器查看
Q4: API 路径显示 "N/A" 怎么办？
A: API 路径是通过解析日志中的上下文信息获取的。如果显示 "N/A"，可能是：
-
日志中没有 API 路径信息
-
API 日志和查询日志间隔太远
-
缓冲区大小有限，如果间隔太远可能无法关联
-
建议在查询前后都打印日志
-
日志格式不匹配
-
确保日志包含 API: 或 URI: 关键词
-
支持的格式：
Q5: 监控工具会影响性能吗？
A: 几乎不会！
性能优化措施：
-
✅ 异步处理：所有解析都在后台线程执行
-
✅ 智能过滤：只处理相关日志，过滤无关内容
-
✅ 缓冲优化：合理的缓冲区大小，避免内存溢出
-
✅ 去重机制：避免重复记录占用资源
-
✅ 自动清理：超过 1000 条自动清理旧记录
性能测试结果：
-
CPU 占用：< 1%
-
内存占用：< 50MB
-
对应用性能影响：可忽略不计
建议：
-
开发环境：始终开启
-
生产环境：不需要（插件只在 IDEA 中运行）
Q6: 可以同时监控 ES 和 SQL 吗？
A: 当然可以！而且互不干扰！
技术保障：
-
✅ 独立监听器：ES 和 SQL 使用不同的监听器
-
✅ 智能过滤：ES Monitor 过滤掉 SQL 日志，SQL Monitor 过滤掉 ES 日志
-
✅ 独立存储：数据分别存储在不同的文件
-
✅ 独立 UI：两个独立的工具窗口
最佳实践：
同时打开两个监控窗口，全面掌握应用的数据访问情况！
Q7: 日志太多，影响性能怎么办？
A: 有几种解决方案：
方案 1：只在需要时启用
# application-dev.yml（开发环境）
logging:
level:
tracer: TRACE
com.yourpackage.mapper: DEBUG
# application-prod.yml（生产环境）
logging:
level:
tracer: INFO # 关闭详细日志
com.yourpackage.mapper: INFO
方案 2：使用环境变量控制
logging:
level:
tracer: ${ES_LOG_LEVEL:INFO} # 默认 INFO，需要时改为 TRACE
com.yourpackage.mapper: ${SQL_LOG_LEVEL:INFO}
启动时：
java -jar app.jar --ES_LOG_LEVEL=TRACE --SQL_LOG_LEVEL=DEBUG
方案 3：使用独立的日志文件
<!-- 单独的 ES 日志文件 -->
<appender name="ES_LOG" class="ch.qos.logback.core.rolling.RollingFileAppender">
<File>logs/elasticsearch.log</File>
<!-- ... -->
</appender>
<logger name="tracer" level="TRACE" additivity="false">
<appender-ref ref="STDOUT" />
<appender-ref ref="ES_LOG" /> <!-- 同时输出到文件 -->
</logger>
Q8: 可以导出查询记录吗？
A: 可以！支持多种导出方式：
方式 1：导出单条记录
-
在表格中选中一条记录
-
点击 "导出选中" 按钮
-
记录已复制到剪贴板
-
粘贴到任何地方
方式 2：复制可执行 SQL/DSL
-
选中记录，查看详情
-
点击 "复制 SQL" 或 "复制 DSL"
-
直接粘贴到数据库工具或 Kibana
方式 3：批量导出（手动）
查询记录保存在：
可以直接复制这些文件进行备份或分析。
🔬 技术原理
工作原理概述
┌─────────────────────────────────────────────────────────────┐
│ 你的应用程序 │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ Controller │ │ Service │ │
│ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │
│ │ ① 调用 │ ② 执行查询 │
│ ▼ ▼ │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ Mapper │ │ ES Template │ │
│ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │
│ │ ③ 输出日志 │ ③ 输出日志 │
│ ▼ ▼ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ IDEA 控制台 (Console) │ │
│ │ ==> Preparing: SELECT ... │ │
│ │ curl -X POST "localhost:9200/..." │ │
│ └─────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
│
│ ④ 监听控制台输出
▼
┌─────────────────────────────────────────────────────────────┐
│ PandaCoder 插件 │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ ExecutionManager (进程管理器) │ │
│ │ 监听应用启动/停止，获取 ProcessHandler │ │
│ └────────────────────┬─────────────────────────────────┘ │
│ │ ⑤ 附加监听器 │
│ ▼ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ ProcessListener (进程监听器) │ │
│ │ • EsDslOutputListener │ │
│ │ • SqlOutputListener │ │
│ │ 逐行接收控制台文本 │ │
│ └────────────────────┬─────────────────────────────────┘ │
│ │ ⑥ 智能过滤和缓冲 │
│ ▼ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ Parser (解析器) │ │
│ │ • EsDslParser: 解析 ES 查询 │ │
│ │ • SqlParser: 解析 SQL 查询 │ │
│ │ 提取关键信息（方法、索引、表名、参数等） │ │
│ └────────────────────┬─────────────────────────────────┘ │
│ │ ⑦ 保存记录 │
│ ▼ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ RecordService (记录服务) │ │
│ │ • 去重 │ │
│ │ • 持久化 (JSON) │ │
│ │ • 通知 UI 更新 │ │
│ └────────────────────┬─────────────────────────────────┘ │
│ │ ⑧ 实时更新 │
│ ▼ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ ToolWindow (工具窗口) │ │
│ │ • 表格展示 │ │
│ │ • 详情面板 │ │
│ │ • 搜索/过滤/导出 │ │
│ └──────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
核心技术点
1. 进程监听机制
// 监听应用启动事件
ApplicationManager.getApplication().getMessageBus()
.connect(project)
.subscribe(ExecutionManager.EXECUTION_TOPIC, new ExecutionListener() {
@Override
public void processStarted(..., ProcessHandler handler) {
// 应用启动时，自动附加监听器
attachListener(handler);
}
});
关键点：
2. 控制台输出监听
public class EsDslOutputListener implements ProcessListener {
@Override
public void onTextAvailable(ProcessEvent event, Key outputType) {
String text = event.getText(); // 逐行接收控制台文本
// 智能过滤
if (shouldKeepText(text)) {
buffer.append(text); // 添加到缓冲区
}
// 检测完整日志
if (shouldTriggerParse(text)) {
triggerAsyncParse(); // 异步解析
}
}
}
关键点：
-
实现 ProcessListener 接口
-
逐行接收控制台输出
-
智能过滤无关日志
-
使用缓冲区处理跨行日志
3. 智能过滤算法
private boolean shouldKeepText(String text) {
String lowerText = text.toLowerCase();
// ES Monitor: 过滤掉 SQL 日志
if (lowerText.contains("basejdbclogger") ||
lowerText.contains("preparing:")) {
return false; // 不保留
}
// SQL Monitor: 过滤掉 ES 日志
if (lowerText.contains("requestlogger") ||
lowerText.contains("elasticsearch")) {
return false; // 不保留
}
// 保留相关日志
if (lowerText.contains("tracer") || // ES 日志
lowerText.contains("preparing:")) { // SQL 日志
return true;
}
return false;
}
关键点：
-
ES 和 SQL 监听器互相过滤对方的日志
-
避免误判和重复记录
-
提高解析效率
4. 异步解析
private void triggerAsyncParse() {
// 避免并发解析
if (!isParsing.compareAndSet(false, true)) {
return;
}
// 获取缓冲区快照
final String bufferedText = buffer.toString();
// 在后台线程异步解析
ApplicationManager.getApplication().executeOnPooledThread(() -> {
try {
parseAndSave(bufferedText);
} finally {
isParsing.set(false);
}
});
}
关键点：
-
使用 AtomicBoolean 避免并发解析
-
在后台线程执行，不阻塞 IDEA
-
使用快照避免缓冲区被修改
5. 智能去重
private boolean isDuplicate(EsDslRecord newRecord) {
long now = System.currentTimeMillis();
for (EsDslRecord existing : records) {
// 时间窗口检查（5秒内）
if (now - existing.getTimestamp() > 5000) {
continue;
}
// 内容相似度检查
if (isSimilar(newRecord, existing)) {
return true; // 重复
}
}
return false;
}
private boolean isSimilar(EsDslRecord r1, EsDslRecord r2) {
return r1.getMethod().equals(r2.getMethod()) &&
r1.getIndex().equals(r2.getIndex()) &&
r1.getEndpoint().equals(r2.getEndpoint()) &&
normalizeJson(r1.getDslQuery()).equals(normalizeJson(r2.getDslQuery()));
}
关键点：
-
时间窗口去重（5 秒内相同查询只保留 1 条）
-
多维度相似度判断
-
忽略空白字符差异
6. 持久化存储
private void saveToFile() {
try {
String json = objectMapper.writerWithDefaultPrettyPrinter()
.writeValueAsString(records);
File file = new File(project.getBasePath(), ".idea/es-dsl-records.json");
Files.writeString(file.toPath(), json, StandardCharsets.UTF_8);
} catch (Exception e) {
LOG.error("Failed to save records", e);
}
}
关键点：
-
使用 JSON 格式存储
-
保存在项目的 .idea 目录
-
自动加载历史记录
🎉 总结
为什么选择 PandaCoder 的监控工具？
✅ 对比其他方案
| 特性 |
PandaCoder |
MyBatis Log Plugin |
手动打印日志 |
数据库工具 |
| ES 查询监控 |
✅ 完美支持 |
❌ 不支持 |
⚠️ 需要手动 |
❌ 不支持 |
| SQL 查询监控 |
✅ 完美支持 |
✅ 支持 |
⚠️ 需要手动 |
⚠️ 事后分析 |
| API 关联 |
✅ 自动关联 |
❌ 不支持 |
⚠️ 需要手动 |
❌ 不支持 |
| 实时监控 |
✅ 实时 |
✅ 实时 |
⚠️ 需要查看日志 |
❌ 事后 |
| 零代码侵入 |
✅ 零侵入 |
✅ 零侵入 |
❌ 需要修改代码 |
✅ 零侵入 |
| 可执行 SQL/DSL |
✅ 一键复制 |
✅ 一键复制 |
⚠️ 需要手动拼接 |
✅ 支持 |
| 历史记录 |
✅ 自动保存 |
⚠️ 有限 |
❌ 不保存 |
✅ 保存 |
| 性能影响 |
✅ 几乎无 |
✅ 几乎无 |
⚠️ 有影响 |
✅ 无影响 |
🏆 核心优势
-
一站式解决方案
-
同时支持 ES 和 SQL 监控
-
无需安装多个插件
-
智能化
-
开发友好
-
性能优异
-
持续更新
📞 获取帮助
遇到问题？
-
查看日志
-
联系作者
反馈建议
我们欢迎任何反馈和建议！
-
⭐ 如果觉得好用，请给项目点个 Star
-
🐛 发现 Bug？请提交 Issue
-
💡 有新想法？欢迎 Pull Request
🎊 开始使用吧！
现在你已经了解了 ES DSL Monitor 和 SQL Monitor 的所有功能和配置方法。
立即行动：
-
✅ 按照配置指南配置日志
-
✅ 重启应用程序
-
✅ 打开监控工具窗口
-
✅ 开始享受可视化监控的便利！
记住：
祝你开发愉快！ 🚀
PandaCoder - 让中文开发者的编程更高效！
文档版本：v2.0.0 更新时间：2025-10-19 作者：舒一笑不秃头
