请描述 Apache Storm 的日志管理机制设计思路，并说明利用日志分析 Topology 性能问题的具体方法。

回答思路

1. 【回答框架 1】Storm 的日志管理机制基于 worker 进程内的 log4j 或 logback 配置，每个 worker 将日志写入本地文件系统，日志文件通常按 topology、component、task 维度组织。通过日志归档和清理策略控制磁盘占用，便于追溯运行记录。
2. 【回答框架 2】分析 Topology 性能问题时，先观察 worker 日志中的异常堆栈、超时信息和 GC 日志，定位是否存在频繁失败或资源瓶颈。统计日志中 tuple 处理耗时、ack 失败次数和重试间隔，判断 spout 或 bolt 的瓶颈节点。
3. 【回答框架 3】进一步依据日志中记录的 executor 线程状态和队列积压指标，结合 Storm UI 提供的 topology 统计，交叉验证 CPU、内存、网络带宽的使用情况。通过日志中传输层和心跳信息，判别是数据倾斜还是网络延迟导致处理延迟。
4. 【回答框架 4】针对具体瓶颈，通过修改日志级别增加细粒度埋点，分析关键路径耗时分布。使用日志分析工具（如 ELK）聚合 worker 日志，按时间线还原处理流程，定位慢操作和资源争用点。
5. 【关键点 1】日志按 worker 维度落盘，并可按 topology 和 component 关联检索。
6. 【关键点 2】通过异常、超时、GC 日志和 tuple 处理耗时指标判断瓶颈。
7. 【关键点 3】结合 Storm UI 指标交叉验证，区分数据倾斜、资源不足和网络问题。
8. 【易错点 1】仅靠日志中的异常信息可能忽略资源瓶颈，需结合系统监控指标。
9. 【易错点 2】日志分析容易受采样偏差影响，需保证日志覆盖完整时间窗口。
10. 【易错点 3】不同 Storm 版本的日志配置和指标名称有差异，需基于实际版本确认。