你真的会打印日志吗?基于 Spring Boot 的全方位日志指南

你真的会打印日志吗?基于 Spring Boot 的全方位日志指南
—JavaEE专栏—

目录

一、日志概述:为什么它比 System.out.println 更重要?

在 Java 开发早期,我们习惯使用 System.out.println() 来调试代码 。但随着项目复杂度提升,简单的打印语句已无法满足生产环境的需求 。

1.1 日志的核心用途

  • 系统监控:记录系统运行状态、方法响应时间及状态,设置阈值报警 。
  • 数据采集:统计 PV/UV、用户留存,为推荐算法提供原始数据 。
  • 日志审计:记录用户操作记录,追踪非法攻击或信息泄露(如谁删除了关键数据) 。

1.2 为什么弃用标准输出?

通过 System.out.print 打印的日志相比 Spring Boot 默认日志缺少了时间戳、日志级别、进程 ID、线程名等关键排查信息。


二、日志框架体系:门面模式的深度解析

Spring Boot 默认集成了 SLF4J 作为日志门面,并使用 Logback 作为具体实现。

2.1 门面模式 (Facade Pattern)

SLF4J 是门面模式的典型应用 。它为子系统(如 Log4j、JUL、Logback)提供统一接口,使得客户端无需关心底层实现。

  • 优点:减少系统依赖,提高灵活性,简化客户端使用难度。

2.2 常见框架对比

角色框架名称说明
日志门面SLF4J, commons-logging统一 API 接口,不含逻辑实现
日志实现Logback, Log4j 1/2, JUL负责具体的日志记录逻辑

|


三、实战:Spring Boot 日志的基本使用

3.1 传统方式获取日志对象

需要使用 LoggerFactory 获取,并指定当前类的 Class 对象 。

importorg.slf4j.Logger;importorg.slf4j.LoggerFactory;importorg.springframework.web.bind.annotation.RestController;@RestControllerpublicclassLoggerController{// 注意:Logger 对象必须属于 org.slf4j 包 privatestaticfinalLogger logger =LoggerFactory.getLogger(LoggerController.class);publicStringlogTest(){ logger.info("这是一条 INFO 级别的日志");return"Log Success";}}

千万不要导错包!!!

在这里插入图片描述

3.2 进阶方式:使用 Lombok (@Slf4j)

引入 Lombok 依赖后,只需一个注解即可自动生成 log 对象。

importlombok.extern.slf4j.Slf4j;importorg.springframework.web.bind.annotation.RestController;@Slf4j// 自动提供 log 对象@RestControllerpublicclassLogController{publicvoidlog(){ log.info("使用 Lombok 快速打印日志");}}

四、深入理解日志级别

日志级别按严重程度从高到低排列为:FATAL > ERROR > WARN > INFO > DEBUG > TRACE

  • ERROR:记录较高等级的错误,但不影响系统运行 。
  • WARN:警告信息,需引起注意 。
  • INFO:默认级别,记录系统运行的关键节点。
  • DEBUG:调试阶段的关键信息 。
注意:Spring Boot 默认级别为 INFO,因此默认情况下不会打印 DEBUGTRACE 级别的日志 。

五、日志的高级配置 (application.yml)

5.1 修改日志级别

logging:level:root: debug # 将全局日志级别设为 debug [cite: 39]

5.2 日志持久化

在线上环境中,必须将日志保存到文件。

logging:file:name: logger/springboot.log # 指定文件名(推荐使用) path: D:/temp # 仅指定目录,文件名为默认的 spring.log 

5.3 日志文件分割

为防止单个日志文件过大(默认超过 10MB 分割),可进行如下配置:

logging:logback:rollingpolicy:max-file-size: 1KB # 达到 1KB 自动分割(实际生产常用 200MB)file-name-pattern: ${LOG_FILE}.%d{yyyy-MM-dd}.%i # 分割后的命名格式

六、自定义日志格式说明

通过 logging.pattern.consolelogging.pattern.file 可以自定义输出格式。

占位符说明
%d日期和时间(精确到毫秒)
%5p日志级别
%c类的全限定名
%m日志消息内容

七、总结

  1. 日志的重要性:它是程序运行的“黑匣子”,是定位问题、审计安全、分析数据的核心依据 。
  2. 最佳实践:推荐使用 Lombok 的 @Slf4j 注解,并通过 YAML 配置文件实现日志的级别控制、持久化及滚动拆分。

参考链接:

Read more

Spring Boot 自定义错误页面:404/500 页面定制与 ErrorController

Spring Boot 自定义错误页面:404/500 页面定制与 ErrorController 一、引言 当用户访问一个不存在的链接或服务器内部发生错误时,他们会看到一个冰冷、晦涩的默认错误页面(如 Whitelabel Error Page)。这不仅是一个糟糕的用户体验,还可能暴露不必要的服务器内部信息。在生产环境中,提供一个定制的、友好的错误页面是至关重要的。 Spring Boot 为此提供了一套强大且灵活的错误处理机制。这套机制的核心是 BasicErrorController,它是一个默认的 MVC 控制器,专门用于处理 /error 路径的请求。开发者可以通过多种方式来定制这套机制: 1. 自定义错误页面:对于使用 Thymeleaf、FreeMarker 等传统视图技术的 Web 应用,可以简单地在静态资源或模板目录下放置错误页面文件(如 404.html)。 2. 自定义 ErrorController:当需要更精细的控制,例如为

By Ne0inhk
Python开发从入门到精通:网络爬虫高级应用与Scrapy框架

Python开发从入门到精通:网络爬虫高级应用与Scrapy框架

《Python开发从入门到精通》设计指南第三十九篇:网络爬虫高级应用与Scrapy框架 一、学习目标与重点 💡 学习目标:掌握Python网络爬虫的高级技巧,包括Scrapy框架、分布式爬虫、动态网页爬取、反爬虫策略等;学习Scrapy、Selenium、BeautifulSoup等库的使用;通过实战案例实现网络爬虫应用。 ⚠️ 学习重点:Scrapy框架、分布式爬虫、动态网页爬取、反爬虫策略、Selenium库、BeautifulSoup库、网络爬虫实战。 39.1 网络爬虫概述 39.1.1 什么是网络爬虫 网络爬虫(Web Crawler)是一种程序,用于自动访问网页并提取信息。网络爬虫的应用场景包括数据分析、搜索引擎、内容聚合等。 39.1.2 网络爬虫的流程 * 发送请求:向网页发送HTTP请求。 * 获取响应:获取网页的HTML内容。 * 解析内容:提取网页中的信息。 * 存储数据:将提取的信息存储到数据库或文件中。

By Ne0inhk

Qwen3系列大模型全版本下载指南:MoE架构与Dense模型全覆盖

Qwen3系列大模型全版本下载指南:MoE架构与Dense模型全覆盖 【免费下载链接】Qwen3-32B-AWQ 项目地址: https://ai.gitcode.com/hf_mirrors/Qwen/Qwen3-32B-AWQ Qwen3系列大模型作为阿里云通义千问团队的最新力作,现已开放全版本下载通道。用户可通过HuggingFace、Ollama及ModelScope三大平台获取包括MoE(混合专家)架构、Dense(稠密型)架构在内的全尺寸模型,以及GGUF、AWQ等多种量化版本,满足从科研实验到工业部署的多样化需求。 多平台下载渠道解析 HuggingFace Hub官方仓库 作为最主流的模型分发平台,HuggingFace提供了Qwen3系列的完整模型权重,支持Transformers库直接调用及Git LFS大文件传输协议。用户只需访问Qwen官方组织页面,即可获取所有模型的下载链接与配置说明。 Ollama本地化部署方案 针对边缘计算场景优化的Ollama平台,已将Qwen3系列模型封装为一键部署格式。通过Ollama CLI执行简单命令,即可在本地服

By Ne0inhk
基于 Rust 与 DeepSeek 大模型的智能 API Mock 生成器构建实录:从环境搭建到架构解析

基于 Rust 与 DeepSeek 大模型的智能 API Mock 生成器构建实录:从环境搭建到架构解析

前言 在现代软件工程中,API 接口的开发与前端联调往往存在时间差。为了解耦前后端开发进度,Mock 数据(模拟数据)的生成显得尤为关键。传统的 Mock 数据生成依赖于静态 JSON 文件或简单的规则引擎,难以覆盖复杂的业务逻辑与语义关联。随着大语言模型(LLM)的兴起,利用 AI 根据 Schema 定义动态生成高保真的模拟数据成为可能。本文详细记录了使用 Rust 语言结合 DeepSeek-V3.2 模型构建智能 Mock 生成器的完整技术路径,涵盖操作系统层面的环境准备、Rust 工具链的深度配置、代码层面的异步架构设计以及编译期的版本兼容性处理。 第一部分:Linux 系统底层的构建环境初始化 Rust 语言的编译与链接过程高度依赖于底层的系统工具链。Rust 编译器 rustc 在生成二进制文件时,需要调用链接器(Linker)将编译后的对象文件(Object Files)与系统库(

By Ne0inhk