如何有效开通并利用日志模块以提升系统监控效率？

ModuleLogger接口继承自slf4j的Logger接口，并扩展了5个入参为LogSchema的方法。

在getInnerLogger方法中，我们调用了ModuleLoggerRepository.getModuleLogger(this.name())方法，这个方法是真正获取日志对象的地方， 具体代码如下：

https://github.com/lvyahui8/feegocommon/blob/master/feegocommonloggingcore/src/main/java/io/github/lvyahui8/core/logging/ModuleLoggerRepository.java

public class ModuleLoggerRepository {

private static final Map<String, Logger> moduleLoggerMap = new ConcurrentHashMap<>();

public static Logger getModuleLogger(String moduleName) {

return moduleLoggerMap.computeIfAbsent(moduleName, k > initLogger(k));

}

private static Logger initLogger(String moduleName) {

// 初始化logger

LoggerContext context = (LoggerContext) LoggerFactory.getILoggerFactory();

// 根据业务模块名生成日志文件路径

String logPath = "logs" + File.separator + moduleName;

// 创建日志文件滚动策略

RollingFileAppender<ILoggingEvent> rollingAppender = RollingFileAppender.createAppender(logPath + ".log", "true", "10MB", "10");

// 设置日志格式

rollingAppender.setFormatter(new PatternLayoutEncoder());

// 创建logger

Logger logger = context.getLogger(moduleName);

logger.addAppender(rollingAppender);

logger.setLevel(Level.INFO);

return logger;

}

3、3 如何实现模块化？

日志模块化，主要是通过不同的业务模块输出到不同的日志文件来实现的，这里有两个关键点

每个业务模块都有一个独立的日志文件

日志文件的命名和存储结构需要符合一定的规范

在initLogger中， 我们根据业务模块名生成日志文件路径，然后创建一个RollingFileAppender， 并设置了日志滚动策略和日志格式，最后将这个appender添加到logger中，并设置好日志级别。

这样， 我们就实现了一个业务模块对应一个日志文件的需求， 并且这些日志文件都统一放在一个logs文件夹下， 方便查看和管理。

至此，我们已经了解了这款工具的用法和实现原理，可以看出，它非常适合于业务开发初期，多人协作开发同一个应用的场景， 可以快速实现日志模块化，提高开发效率，由于其内部使用了动态代理和Java编译时注解处理器等技术，使得工具具有很高的灵活性和可扩展性。

参考资料

https://github.com/lvyahui8/feegocommon/tree/master/feegocommonloggingstarter

https://github.com/lvyahui8/feegocommon/tree/master/feegocommonloggingcore

开通日志模块_日志模块

在现代软件开发过程中，日志模块扮演着至关重要的角色，日志不仅可以帮助我们了解软件系统的运行状态，还能在系统出现错误时迅速定位问题，Python的logging模块是实现这一功能的核心工具之一，它提供了一套完整的日志记录解决方案，能够帮助开发者有效地捕获、处理和记录日志信息，以下是关于日志模块的相关介绍：

1、基本组成

Logger：Logger是应用程序直接使用的接口，负责生成日志消息，可以通过设置不同的日志级别来控制哪些消息被记录。

Handler：Handler负责将日志消息发送到目的地，如控制台、文件等，每种Handler都可以设置日志级别和格式化程序。

Filter：Filter提供了更精细的控制，用于决定哪些日志记录应该被最终输出。

Formatter：Formatter定义了日志消息的最终输出格式，比如时间格式、消息格式等。

2、使用示例

创建一个基本的日志记录器并输出到控制台：

import logging
创建日志记录器
logger = logging.getLogger('my_logger')
logger.setLevel(logging.DEBUG)
创建控制台处理器
ch = logging.StreamHandler()
ch.setLevel(logging.DEBUG)
创建格式器
formatter = logging.Formatter('%(asctime)s %(name)s %(levelname)s %(message)s')
ch.setFormatter(formatter)
将处理器添加到记录器
logger.addHandler(ch)
记录一些日志
logger.debug('This is a debug message')
logger.info('This is an info message')
logger.warning('This is a warning message')
logger.error('This is an error message')
logger.critical('This is a critical message')

将日志记录到文件并实现自动滚动：

import logging
from logging.handlers import RotatingFileHandler
创建日志记录器
logger = logging.getLogger('my_logger')
logger.setLevel(logging.DEBUG)
创建滚动文件处理器，并设置最大备份文件数和每个文件的最大字节数
rh = RotatingFileHandler('my_log.log', maxBytes=2000, backupCount=10)
rh.setLevel(logging.DEBUG)
创建格式器
formatter = logging.Formatter('%(asctime)s %(name)s %(levelname)s %(message)s')
rh.setFormatter(formatter)
将处理器添加到记录器
logger.addHandler(rh)
记录一些日志
for _ in range(3000):
    logger.debug('This is a debug message')

在代码中动态改变日志级别：

import logging
logger = logging.getLogger('my_logger')
logger.setLevel(logging.DEBUG)
假设在某个时刻，我们只想看ERROR及以上级别的日志
logger.setLevel(logging.ERROR)

3、最佳实践

在模块级别使用__name__创建logger：这样可以清晰地知道日志来自哪个模块。

使用合适的日志级别：合理使用不同的日志级别可以帮助我们快速筛选出关心的信息。

使用结构化的日志消息：例如使用JSON格式记录日志，便于后续的日志分析。

使用异常日志记录：使用logger.exception()可以记录异常堆栈信息，便于问题排查。

不要在日志中记录敏感信息：避免记录可能被利用的敏感数据。

Python的logging模块提供了一个强大且灵活的框架，用于记录和管理日志，通过合理配置和使用最佳实践，可以极大地提高开发效率和程序的可维护性。