使用log4j进行日志记录

Log4jApache的一个开放源代码项目,通过使用Log4j,我们只需进行简单的配置即可将应用程序的日志信息输送的到控制台、文件、GUI组件、甚至是套接口服务器、NT的事件记录器、UNIX Syslog守护进程等。

Log4j中有三个主要的组件,它们分别是 LoggerAppenderLayoutLog4j 允许开发人员定义多个Logger,每个Logger拥有自己的名字,Logger之间通过名字来表明隶属关系。有一个Logger称为Root,它永远存在,且不能通过名字检索或引用,可以通过Logger.getRootLogger()方法获得,其它Logger通过 Logger.getLogger(String name)方法。

Appender则是用来指明将所有的log信息存放到什么地方,Log4j中支持多种appender,如 consolefilesGUI componentsNT Event Loggers等,一个Logger可以拥有多个Appender,也就是你既可以将Log信息输出到屏幕,同时存储到一个文件中。

Layout的作用是控制Log信息的输出方式,也就是格式化输出的信息。

 

下面介绍它的简单应用。

 

一、 填写配置文件

Log4j支持两种配置文件格式xml以及properties,下面以properties文件为例。

 

#设定根Logger等级为debug,并设定两个Appenderstdoutfile

log4j.rootLogger=debug, stdout, file

#设定指定包路径下的logger等级(建议使用这四个等级)

log4g.logger.PackageName=[debug|info|warn|error]

 

#指定stdout的输出方式

#输出到控制台

log4j.appender.stdout=org.apache.log4j.ConsoleAppender

#自由格式输出

log4j.appender.stdout.layout=org.apache.log4j.PatternLayout

#设定输出格式

log4j.appender.stdout.layout.ConversionPattern=[QC] %p %t] %C.%M(%L) | %m %n

 

指定file的输出方式

#输出到文件

log4j.appender.file=org.apache.log4j.DailyRollingFileAppender

#制定输出的文件名

log4j.appender.file.File=.//build//log//JavaApp.log

#自由格式输出

log4j.appender.file.layout=org.apache.log4j.PatternLayout

#设定输出格式

log4j.appender.file.layout.ConversionPattern=[QC] %p [%t] %C.%M(%L) | %m %n

 

其中需要说明的有:

 

log4j.appender.AppernderName的值可为:

 

org.apache.log4j.ConsoleAppender(控制台)

org.apache.log4j.FileAppender(文件)

org.apache.log4j.DailyRollingFileAppender(每天产生一个日志文件)

org.apache.log4j.RollingFileAppender(文件大小到达指定尺寸的时候产生新文件)

org.apache.log4j.WriterAppender(将日志信息以流格式发送到任意指定的地方)

 

log4j.appender.AppernderName.layout的值可为:

 

org.apache.log4j.HTMLLayout(以HTML表格形式布局),

org.apache.log4j.PatternLayout(可以灵活地指定布局模式),

org.apache.log4j.SimpleLayout(包含日志信息的级别和信息字符串),

org.apache.log4j.TTCCLayout(包含日志产生的时间、线程、类别等等信息)

 

log4j.appender.AppernderName.layout.ConversionPattern此项在log4j.appender.AppernderName.layout的值为org.apache.log4j.PatternLayout时可用:

%p 输出优先级,即DEBUGINFOWARNERRORFATAL

%r 输出自应用启动到输出该log信息耗费的毫秒数

%c 输出所属的类目,通常就是所在类的全名

%t 输出产生该日志事件的线程名

%n 输出一个回车换行符,Windows平台为“/r/n”,Unix平台为“/n

%d 输出日志时间点的日期或时间,默认格式为ISO8601,也可以在其后指定格式,比如:%d{yyy MM dd HH:mm:ss,SSS},输出类似: 20021018 221028921

%l 输出日志事件的发生位置,包括类目名、发生的线程,以及在代码中的行数。如:Testlog4.main(TestLog4.java:10)

 

二、 在程序中的使用Log4j

     

1.      首先需要将logging-log4j.jar导入到构建路径中。

2.      然后在类中声明一个私有的静态成员:

       private static Logger log = null;

       static{

              log = Logger.getLogger(Main.class.getName());

              //读取配置文档

              PropertyConfigurator.configure(".//build//conf//log.properties");

       }

 

这样就可以在类中使用logger对象来记录日志信息了

       log.debug("Program is running now.");

       log.info("Program is running now.");

       log.warn("Program is running now.");

       log.error("Program is running now.");

 

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值