- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章log4net教程日志分类和自动维护示例由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
如果我们需要通过配置不同的ILog,流程是这样的,首先要创建一个ILoggerRepository,通过它来进行日志等级的配置,和各种Appender,接着通过LogManager在ILoggerRepository获取一个Ilog对象,就可以写日志了。代码如下
。
public static ILog GetLogger(string repositoryName = "") { if (string.IsNullOrEmpty(repositoryName)) return LogManager.GetLogger("Defalut"),
。
ILoggerRepository repository = null; try { repository = LogManager.GetRepository(repositoryName); } catch (Exception) { } 。
//找到直接返回ilog if (repository != null) return LogManager.GetLogger(repositoryName, "Defalut"),
//未找到则创建,多线程下很有可能创建时,就存在了 try { repository = LogManager.CreateRepository(repositoryName); } catch (Exception) { repository = LogManager.GetRepository(repositoryName); } 。
//配置日志等级 读取Appsettings默认配置 var appSet = ConfigurationManager.AppSettings.AllKeys,
//查找日志等级 const string logLevel = "LogLevel"; var hasSettings = Array.IndexOf(appSet, logLevel); if (hasSettings > -1) { var level = ConfigurationManager.AppSettings[logLevel].ToLower(); if (level == "all") repository.Threshold = Level.All; else if (level == "debug") repository.Threshold = Level.Debug; else if (level == "info") repository.Threshold = Level.Info; else if (level == "warn") repository.Threshold = Level.Warn; else if (level == "error") repository.Threshold = Level.Error; else if (level == "fatal") repository.Threshold = Level.Fatal; else if (level == "off") repository.Threshold = Level.Off; } else repository.Threshold = Level.All,
//查找输出Appender const string logAppender = "LogAppender"; hasSettings = Array.IndexOf(appSet, logAppender); if (hasSettings > -1) { var appenders = ConfigurationManager.AppSettings[logAppender].ToLower().Split(','); foreach (var appender in appenders) { if (appender == "rollingfile") LoadRollingFileAppender(repository); else if (appender == "console") LoadConsoleAppender(repository); else if(appender == "trace") LoadTraceAppender(repository); } } else LoadRollingFileAppender(repository),
return LogManager.GetLogger(repositoryName, "Default"); } 。
。
Log4net 会自动维护ILog和ILoggerRepository,所以不用保存,通过LogManger获取即可。但是我没有找到方法来查找指定的ILoggerRepository是否存在,所以在上述代码中通过try catch进行判断。由于我们是通过代码方式配置log4net,但仍旧希望通过配置来设置日志等级和输出类型,所以我选择在Appsettings文件中进行配置,一次配置,针对所有的ILoggerRepository都生效。之所以不是针对每一个功能进行配置,主要是由于配置麻烦,而且如果真要这么做,直接在log4net中配置不同的logger,通过loggername引用,可能会更好些.
日志维护 。
于是接下来的问题是,如何删除日志?
log4net可以配置RollingFileAppender,翻译过来是滚动文件。通过设置MaximumFileSize和MaxSizeRollBackups 2个参数可以完成这样的目的,该日志文件每达到一定大小就会产生一个新文件,文件最大总数则为MaxSizeRollBackups,但前提的是文件名一致.
比如我们采用如下配置:
。
。
效果则是 日志以小时为单位,每小时最大备份总数为1000,每到500kb后形成日志文件。当随着天数的增加,文件也开始变多,需要我们自己去清理。所以上述配置可以稍微改下
。
。
主要是设置了日志文件名,而且是静态名称,不允许更改。这样以来,日志文件最多只有1000个了,就不用手工维护了,你会看到这样的日志文件名
日志.log 日志.log.1 日志.log.2 ... 默认是文件名最后的数字越大,时间最老,所以查看新日志,主要是在 第一个文件名 中。 另外提醒下:如果设置Appender使用了静态文件名,那么历史日志会被覆盖,而极其在意历史日志的应用,建议不要使用此方案,清理日志的话,还是老老实实写代码吧.
最后此篇关于log4net教程日志分类和自动维护示例的文章就讲到这里了,如果你想了解更多关于log4net教程日志分类和自动维护示例的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
我正在尝试使用 Pandas 和 scikit-learn 在 Python 中执行分类。我的数据集包含文本变量、数值变量和分类变量的混合。 假设我的数据集如下所示: Project Cost
我想要一种图形化且有吸引力的方式来表示二进制数据的列总和,而不是表格格式。我似乎无法让它发挥作用,尽管有人会认为这将是一次上篮。 数据看起来像这样(我尝试创建一个可重现的示例,但无法让代码填充 0 和
我有一个简单的类别模型: class Category(models.Model): name = models.CharField(max_length=200) slug = mo
我正在开发一个知识系统,当用户进入一道菜时,该系统可以返回酒。我的想法是根据用户的输入为每个葡萄酒类别添加分数,然后显示最适合的葡萄酒类别的前 3 个。例如,如果有人输入鱼,那么知识库中的所有红葡萄酒
我目前正在研究流失问题的预测模型。 每当我尝试运行以下模型时,都会收到此错误:至少一个类级别不是有效的 R 变量名称。这将在生成类概率时导致错误,因为变量名称将转换为 X0、X1。请使用可用作有效 R
如何对栅格重新分类(子集)r1 (与 r2 具有相同的尺寸和范围)基于 r2 中的以下条件在给定的示例中。 条件: 如果网格单元格值为 r2是 >0.5 ,保留>0.5中对应的值以及紧邻0.5个值的相
我想知道在 java 中进行以下分类的最佳方法是什么。例如,我们有一个简单的应用程序,其分类如下: 空气 -----电机类型 -----------平面对象 -----非电机型 -----------
这是一个非常基本的示例。但我正在做一些数据分析,并且不断发现自己编写非常类似的 SQL 计数查询来生成概率表。 我的表被定义为值 0 表示事件未发生,而值 1 表示事件确实发生。 > sqldf(
假设我有一组护照图像。我正在开展一个项目,我必须识别每本护照上的姓名,并最终将该对象转换为文本。 对于标签(或分类(我认为是初学者))的第一部分,每本护照上都有姓名,我该怎么做? 我可以使用哪些技术/
我有这张图片: 我想做的是在花和树之间对这张图片进行分类,这样我就可以找到图片中被树木覆盖的区域,以及被那些花覆盖的区域。 我在想这可能是某种 FFT 问题,但我不确定它是如何工作的。单个花的 FFT
我的数据集有 32 个分类变量和一个数值连续变量(sales_volume) 首先,我使用单热编码 (pd.get_dummies) 将分类变量转换为二进制,现在我有 1294 列,因为每一列都有多个
我正在尝试学习一些神经网络来获得乐趣。我决定尝试从 kaggle 的数据集中对一些神奇宝贝传奇卡进行分类。我阅读了文档并遵循了机器学习掌握指南,同时阅读了媒体以尝试理解该过程。 我的问题/疑问:我尝试
我目前正在进行推文情绪分析,并且有几个关于步骤的正确顺序的问题。请假设数据已经过相应的预处理和准备。所以这就是我将如何进行: 使用 train_test_split(80:20 比例)停止测试数据集。
一些上下文:Working with text classification and big sparse matrices in R 我一直在研究 text2vec 的文本多类分类问题。包装和 ca
数据 我有以下(简化的)数据集,我们称之为 df从现在开始: species rank value 1
我一直在尝试创建一个 RNN。我总共有一个包含 1661 个单独“条目”的数据集,每个条目中有 158 个时间序列坐标。 以下是一个条目的一小部分: 0.00000000e+00 1.9260968
我有一个关于机器学习的分类和回归问题。第一个问题,以下数据集 http://it.tinypic.com/view.php?pic=oh3gj7&s=8#.VIjhRDGG_lF 我们可以说,数据集是
我用1~200个数据作为训练数据,201~220个作为测试数据格式如下:3 个类(类 1、类 2、类 3)和 20 个特征 2 1:100 2:96 3:88 4:94 5:96 6:94 7:72
我有 2 个基于多个数字特征(例如 v1….v20)的输出类别(好和差)。 如果 v1、v2、v3 和 v4 为“高”,则该类别为“差”。如果 v1、v2、v3 和 v4 为“低”,则该类别为“好”
我遇到了使用朴素贝叶斯将文档分类为各种类别问题的问题。 实际上我想知道 P(C) 或我们最初掌握的类别的先验概率会随着时间的推移而不断变化。例如,对于类(class) - [音乐、体育、新闻] 初始概
我是一名优秀的程序员,十分优秀!