博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Log4j 的使用
阅读量:2235 次
发布时间:2019-05-09

本文共 1877 字,大约阅读时间需要 6 分钟。

1.下载

http://logging.apache.org/log4j/1.2/

2.工程

3.详解

1)代码中使用

package com.wicresoft.demo;import java.util.Properties;import org.apache.log4j.Logger;import org.apache.log4j.PropertyConfigurator;public class Hello {	Logger logger = Logger.getLogger(Hello.class);		public Hello(){		logger.warn("Hello constructed.");		logger.warn("Hello constructed.");	}		/**	 * @param args	 */	public static void main(String[] args) {		// TODO Auto-generated method stub		PropertyConfigurator.configure("log4j.properties");		//initLog4j();		Hello hello = new Hello();	}		/*	 * Initialize configuration of log4j	 * you do not need file log4j.properties	 * */	private static void initLog4j() {		Properties prop = new Properties();		prop.setProperty("log4j.rootLogger", "DEBUG, CONSOLE");		prop.setProperty("log4j.appender.CONSOLE", "org.apache.log4j.ConsoleAppender");		prop.setProperty("log4j.appender.CONSOLE.layout", "org.apache.log4j.PatternLayout");		prop.setProperty("log4j.appender.CONSOLE.layout.ConversionPattern", "%d{HH:mm:ss,SSS} [%t] %-5p %C{1} : %m%n");		PropertyConfigurator.configure(prop);	}}
2)配置文件

log4j.rootLogger=info, ServerDailyRollingFile, stdout log4j.appender.ServerDailyRollingFile=org.apache.log4j.DailyRollingFileAppender log4j.appender.ServerDailyRollingFile.DatePattern='.'yyyy-MM-dd log4j.appender.ServerDailyRollingFile.File=C\://logs/notify-subscription.log log4j.appender.ServerDailyRollingFile.layout=org.apache.log4j.PatternLayout log4j.appender.ServerDailyRollingFile.layout.ConversionPattern=%d - %m%n log4j.appender.ServerDailyRollingFile.Append=truelog4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appender.stdout.layout.ConversionPattern=%d{yyyy-MM-dd HH\:mm\:ss} %p [%c] %m%n
4.输出

5.问题解决

如果报文件找不到异常,则文件路径不对,bin目录应使用

PropertyConfigurator.configure("/bin/log4j.properties");
通常放在项目的根目录下

你可能感兴趣的文章
Bagging 简述
查看>>
详解 Stacking 的 python 实现
查看>>
简述极大似然估计
查看>>
用线性判别分析 LDA 降维
查看>>
用 Doc2Vec 得到文档/段落/句子的向量表达
查看>>
使聊天机器人具有个性
查看>>
使聊天机器人的对话更有营养
查看>>
一个 tflearn 情感分析小例子
查看>>
attention 机制入门
查看>>
手把手用 IntelliJ IDEA 和 SBT 创建 scala 项目
查看>>
GAN 的 keras 实现
查看>>
AI 在 marketing 上的应用
查看>>
Logistic regression 为什么用 sigmoid ?
查看>>
Logistic Regression 为什么用极大似然函数
查看>>
SVM 的核函数选择和调参
查看>>
LightGBM 如何调参
查看>>
用 TensorFlow.js 在浏览器中训练神经网络
查看>>
cs230 深度学习 Lecture 2 编程作业: Logistic Regression with a Neural Network mindset
查看>>
梯度消失问题与如何选择激活函数
查看>>
为什么需要 Mini-batch 梯度下降,及 TensorFlow 应用举例
查看>>