log4j中Pattern布局ConversionPattern详解
发布日期:2021-08-30 16:00:46
浏览次数:12
分类:技术文章
本文共 1963 字,大约阅读时间需要 6 分钟。
spring使用log4j,可以有2种方法。
1、在web.xml里不做任何配置。
log4j.properties放在classpath根目录下,
这时候生成的日志文件就没有相对路径,如果写相对路径,则会生成在安装tomcat的根路径下。
2、在web.xml设置。
log4jConfigLocation WEB-INF/classes/log4j.properties webAppRootKey myappfuse.root org.springframework.web.util.Log4jConfigListener org.springframework.web.context.ContextLoaderListener
打印参数: Log4J采用类似C语言中的printf函数的打印格式格式化日志信息,如下:
%p: 输出日志信息优先级,即DEBUG,INFO,WARN,ERROR,FATAL,log4j.rootLogger = INFO,stdout 这句中的INFO是设置了输出该级别以上的日志
INFO,WARN,ERROR,FATAL等消息都会输出。哪到底每条消息是哪个级别呢?%p就是输出该条消息的级别。
%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{yyyy-MM-dd HH:mm:ss,SSS},输出类似:2011-10-18 22:10:28,921
%r: 输出自应用启动到输出该log信息耗费的毫秒数 %c: 输出日志信息所属的类目,通常就是所在类的全名 %t: 输出产生该日志事件的线程名 %l: 输出日志事件的发生位置,相当于%C.%M(%F:%L)的组合,包括类目名、发生的线程,以及在代码中的行数。 %x: 输出和当前线程相关联的NDC(嵌套诊断环境),尤其用到像java servlets这样的多客户多线程的应用中。 %%: 输出一个"%"字符 %F: 输出日志消息产生时所在的文件名称 %L: 输出代码中的行号 %m: 输出代码中指定的消息,产生的日志具体信息 %n: 输出一个回车换行符,Windows平台为"\r\n",Unix平台为"\n"输出日志信息换行 可以在%与模式字符之间加上修饰符来控制其最小宽度、最大宽度、和文本的对齐方式。如: 1)%20c:指定输出category的名称,最小的宽度是20,如果category的名称小于20的话,默认的情况下右对齐。 2)%-20c:指定输出category的名称,最小的宽度是20,如果category的名称小于20的话,"-"号指定左对齐。 3)%.30c:指定输出category的名称,最大的宽度是30,如果category的名称大于30的话,就会将左边多出的字符截掉,但小于30的话也不会有空格。 4)%20.30c:如果category的名称小于20就补空格,并且右对齐,如果其名称长于30字符,就从左边交远销出的字符截掉测试代码
import org.apache.log4j.Logger;public class HelloLog4j { private static Logger logger = Logger.getLogger(HelloLog4j.class); /** * @param args */ public static void main(String[] args) { // System.out.println("This is println message."); // 记录debug级别的信息 logger.debug("This is debug message."); // 记录info级别的信息 logger.info("This is info message."); // 记录error级别的信息 logger.error("This is error message."); }}
Log4j写入数据库详解
Log4j学习汇总—–配置详解
本文出自 “” 博客,请务必保留此出处
转载地址:https://blog.csdn.net/weixin_34038652/article/details/90622679 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
关注你微信了!
[***.104.42.241]2024年04月10日 17时17分01秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
pycharm的安装卸载,激活与远程调试
2019-04-26
CGAN,条件GAN
2019-04-26
改进算法1
2019-04-26
用tensorflow,pytorch框架使用GPU,指定GPU问题
2019-04-26
数据处理中ToTensor紧接着Normalize
2019-04-26
WGAN
2019-04-26
调解算法参数2
2019-04-26
调节学习率的不同策略
2019-04-26
np.ascontiguousarray(array)
2019-04-26
from scipy import misc 读取和保存图片
2019-04-26
关于Batch Normalization
2019-04-26
关于PGGAN
2019-04-26
后台挂起,让服务器运行,客户端崩溃也可以继续运行
2019-04-26
SQL中的token含义
2019-04-26
网络的权重初始化示例
2019-04-26