zoukankan      html  css  js  c++  java
  • Log4j官方文档翻译(六、日志的级别)

    org.apache.log4j.Level 类提供了下面几种日志级别,你也可以通过继承这些类,自定义级别

    • ALL 所有日志级别都包括
    • DEBUG 指定信息事件的粒度是DEBUG,在调试应用的时候会有帮助
    • ERROR 指定错误事件,并且这些事件还会保证应用继续运行
    • FATAL 指定严重的错误事件,该事件会导致应用暂停
    • INFO 指定信息消息,强调应用粗粒度的运行情况
    • OFF 最高等级,相当与关闭了日志
    • TRACE 指定比DEBUG更细粒度的调试日志
    • WARN 输出具有潜在风险的信息

    如何使用不同的级别

    log4j中日志的级别是排好序的,一般的标准是
    ALL < DEBUG < INFO < WARN < ERROR < FATAL < OFF
    如果日志本身使用的是WARN输出,但是log4j设置的级别是FATAL,则不会输出;相反,如果设置的是DEBUG,则会输出。

    下面这个例子,展示了如何过滤DEBUG和INFO消息。

    
    import org.apache.log4j.*;
    public class LogClass {
    private static org.apache.log4j.Logger log = Logger.getLogger(LogClass.class);
    public static void main(String[] args) {
    log.setLevel(Level.WARN);
    log.trace("Trace Message!");
    log.debug("Debug Message!");
    log.info("Info Message!");
    log.warn("Warn Message!");
    log.error("Error Message!");
    log.fatal("Fatal Message!");
    }
    }
    

    当编译后执行,会得到如下的结果:

    
    Warn Message!
    Error Message!
    Fatal Message!
    

    在配置文件中设置级别

    log4j支持在配置文件中设置日志的默认级别,这样就不用修改源代码,就可以改变日志的级别了。

    下面就给出了一个配置文件的例子,与上面log.setLevel(Level.WARN)方法相同的工作:

    
    log = /usr/home/log4j
    log4j.rootLogger = WARN, FILE
    log4j.appender.FILE=org.apache.log4j.FileAppender
    log4j.appender.FILE.File=${log}/log.out
    log4j.appender.FILE.layout=org.apache.log4j.PatternLayout
    log4j.appender.FILE.layout.conversionPattern=%m%n
    

    然后运行下面的代码:

    
    import org.apache.log4j.*;
    public class LogClass {
    private static org.apache.log4j.Logger log = Logger.getLogger(LogClass.class);
    public static void main(String[] args) {
    log.trace("Trace Message!");
    log.debug("Debug Message!");
    log.info("Info Message!");
    log.warn("Warn Message!");
    log.error("Error Message!");
    log.fatal("Fatal Message!");
    }
    }
    

    运行上述的代码,就会得到:

    
    Warn Message!
    Error Message!
    Fatal Message!
    
  • 相关阅读:
    摄像机标定公式推导
    roscpp源码阅读
    机器学习(Machine Learning)&深度学习(Deep Learning)资料汇总 (上)
    机器学习(Machine Learning)&深度学习(Deep Learning)资料(下)
    【概率论与数理统计】全概率公式和贝叶斯公式
    机器学习之一些基本概念及符号系统
    机器学习之代价函数(cost function)
    机器学习之逻辑回归(Logistic Regression)
    机器学习之神经网络模型-下(Neural Networks: Representation)
    机器学习之神经网络模型-上(Neural Networks: Representation)
  • 原文地址:https://www.cnblogs.com/xing901022/p/4856243.html
Copyright © 2011-2022 走看看