C# Service Bus触发Azure Functions实现控制台与App Insights双端日志

嘿，针对你的需求，其实Azure Functions本身就提供了非常流畅的原生方案，不需要绕弯路，既能满足本地控制台输出日志，又能自动把函数的调用、结果、异常等上报到Application Insights，具体实现步骤和代码调整如下：

Azure Functions运行时已经内置了对ILogger的多目标日志支持：本地运行时默认将日志输出到控制台，只要正确配置Application Insights的连接信息，ILogger的日志会自动同步到AI，同时还能自动捕获函数的调用轨迹、执行时长、未处理异常等关键数据，完全不需要手动维护TelemetryConfiguration。

1. 配置Application Insights连接信息 #

绝对不要在代码里硬写InstrumentationKey，用配置文件管理更灵活，本地和云端可以无缝切换：

• 本地开发：在local.settings.json中添加配置项：

{
  "IsEncrypted": false,
  "Values": {
    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
    "FUNCTIONS_WORKER_RUNTIME": "dotnet",
    "APPINSIGHTS_INSTRUMENTATIONKEY": "你的AI实例InstrumentationKey",
    "ServiceBusConnection": "你的Service Bus连接字符串"
  }
}

• 部署到Azure：直接在Function App的「配置」页面添加APPINSIGHTS_INSTRUMENTATIONKEY应用设置即可，无需修改代码。

2. 调整函数代码，使用依赖注入的ILogger #

移除手动设置TelemetryConfiguration.Active的代码，改用运行时注入的ILogger<T>实例，这样日志会自动分流到控制台和AI：

using Microsoft.Azure.WebJobs;
using Microsoft.Azure.WebJobs.ServiceBus;
using Microsoft.Extensions.Logging;

public static class AIFunction
{
    [FunctionName("AIFunction")]
    public static void Run(
        [ServiceBusTrigger("你的队列名称", Connection = "ServiceBusConnection")] string myQueueItem,
        // 注入ILogger<函数类>，泛型参数指定当前函数类
        ILogger<AIFunction> log)
    {
        // 普通业务日志，本地控制台会输出，同时上报AI
        log.LogInformation($"收到Service Bus消息: {myQueueItem}");

        try
        {
            // 你的业务逻辑代码
            log.LogInformation("函数执行完成，结果正常");
        }
        catch (Exception ex)
        {
            // 异常日志会被AI自动标记为失败请求，同时本地控制台也能看到错误详情
            log.LogError(ex, "函数执行发生异常");
            throw; // 不要吞掉异常，让运行时记录完整的失败轨迹
        }
    }
}

3. 日志级别精细化控制（可选） #

如果需要区分本地和AI的日志级别，可以通过host.json配置：

{
  "logging": {
    // 配置上报到AI的日志级别
    "applicationInsights": {
      "samplingSettings": {
        "isEnabled": true,
        "excludedTypes": "Request"
      },
      "logLevel": {
        "Default": "Warning" // 只有Warning及以上级别才上报AI
      }
    },
    // 配置本地控制台的日志级别
    "logLevel": {
      "Default": "Information" // 本地输出Info及以上级别日志
    }
  }
}

4. 自定义遥测补充（可选） #

如果需要添加业务相关的自定义事件、指标，可以通过依赖注入TelemetryClient实现（推荐改为非静态类）：

using Microsoft.ApplicationInsights;
using Microsoft.Azure.WebJobs;
using Microsoft.Azure.WebJobs.ServiceBus;
using Microsoft.Extensions.Logging;

// 改为非静态类，支持构造函数注入
public class AIFunction
{
    private readonly TelemetryClient _telemetryClient;
    private readonly ILogger<AIFunction> _log;

    // 通过构造函数注入TelemetryClient和ILogger
    public AIFunction(TelemetryClient telemetryClient, ILogger<AIFunction> log)
    {
        _telemetryClient = telemetryClient;
        _log = log;
    }

    [FunctionName("AIFunction")]
    public void Run(
        [ServiceBusTrigger("你的队列名称", Connection = "ServiceBusConnection")] string myQueueItem)
    {
        _log.LogInformation($"开始处理消息: {myQueueItem}");

        // 上报自定义事件到AI
        _telemetryClient.TrackEvent("消息处理完成", new { MessageContent = myQueueItem });

        // 上报自定义指标到AI
        _telemetryClient.TrackMetric("消息处理耗时", 250); // 单位毫秒
    }
}

为什么这是最优方案？ #

• 零额外维护成本：运行时自动处理日志同步，不需要手动管理TelemetryClient的生命周期
• 自动捕获关键数据：函数的调用次数、执行时长、异常追踪等核心指标无需手动编码，AI会自动收集
• 本地云端一致性：本地开发和云端部署的日志行为完全一致，不需要切换代码逻辑

内容的提问来源于stack exchange，提问作者DevPerson