JBossAS性能优化和瘦身系列(5):Log4j

日志记录能够对性能产生较大的影响,如果将日志级别设置成TRACE,JBossAS将会非常慢;相反,将日志级别设置成ERROR,JBossAS的性能将会得到戏剧性的提升。

  • 缺省情况下,JBoss将使用INFO级别将日志记录到控制台和server.log;
  • 考虑将日志记录到System.out(你可能需要重定向它来捕获JVM的错误);
  • 考虑将日志级别设置成ERROR;值得注意的是,JBoss将对Log4j文件的变更进行监控,你可以在运行时修改配置;
  • 为自己的Java类添加日志类别过滤;

关闭控制台日志记录:

  •  编辑server/slim/conf/log4j.xml;
  • 将下面的xml片段

              <root>
                     <appender-ref ref="CONSOLE"/>
                     <appender-ref ref="FILE"/>
              </root>

             修改为:

              <root>
                     <appender-ref ref="FILE"/>
              </root>

  • 删除如下的xml片段:

             <appender name="CONSOLE" class="org.apache.log4j.ConsoleAppender">
                  <errorHandler class="org.jboss.logging.util.OnlyOnceErrorHandler"/>
                  <param name="Target" value="System.out"/>
                  <param name="Threshold" value="INFO"/>

                  <layout class="org.apache.log4j.PatternLayout">
                      <!-- The default pattern: Date Priority [Category] Message\n -->
                       <param name="ConversionPattern" value="%d{ABSOLUTE} %-5p [%c{1}] %m%n"/>
                 </layout>
           </appender>

修改日志记录级别:

  •  编辑server/slim/conf/log4j.xml;
  • 删除或注释如下的xml片段

   <!-- Limit the org.apache category to INFO as its DEBUG is verbose -->
   <category name="org.apache">
      <priority value="INFO"/>
   </category>

   <!-- Limit the org.jgroups category to WARN as its INFO is verbose -->
   <category name="org.jgroups">
      <priority value="WARN"/>
   </category>

   <!-- Limit apache axis to INFO as its DEBUG is even more verbose -->
   <category name="org.jboss.axis">
      <priority value="INFO"/>
   </category> 

改变根类别,将如下xml片段:

             <root>
                     <appender-ref ref="CONSOLE"/>
                     <appender-ref ref="FILE"/>
              </root>

修改为:

  <root>
      <priority value="ERROR" />
      <appender-ref ref="CONSOLE"/>
      <appender-ref ref="FILE"/>
   </root>

最后,也可能对Log4j最重要的是对自己的类层次添加日志级别的限制;假设正常的使用Log4j,并且没有往System.out输出任何东西,这将在很大程度上减少Log4j的开销,并且可以完全享受到if (log.isDebugEnabled())之类调用带来的好处;如果不这样做的话,代码中的所有日志将会被格式化后传给appender,appender在入口处将会去除这些日志,这将会产生大量的垃圾;假设Java包以a.b开头,向log4j.xml中添加如下xml片段:

   <category name="a.b">
      <priority value="INFO"/>
   </category>

该xml片段可以添加到log4j.xml中org.apache和org.jboss类别过滤器相同的位置;

 



jsprit 是一个基于 Java 的开源工具包 jsprit 是一个基于 Java 的开源工具包,用于解决复杂的 旅行商问题 (TSP) 和 车辆路径问题 (VRP)。 它轻量、灵活且易于使用,基于单一的通用 元启发式算法,目前可解决以下问题: 带容量约束的车辆路径问题 (Capacitated VRP) 多 depot 车辆路径问题 (Multiple Depot VRP) 带时间窗的车辆路径问题 (VRP with Time Windows) 带回程的车辆路径问题 (VRP with Backhauls) 带取送货的车辆路径问题 (VRP with Pickups and Deliveries) 带异构车队的车辆路径问题 (VRP with Heterogeneous Fleet) 时间依赖型车辆路径问题 (Time-dependent VRP) 旅行商问题 (Traveling Salesman Problem) 拨号乘车问题 (Dial-a-Ride Problem) 上述各类问题的多种组合 立即下载

相关推荐

2003-2025年 政府创新补贴与非创新补贴 xlsx

整理了A股上市公司的政府补助微观样本,核心涵盖股票代码、公司简称、年份、创新补助总额及非创新补助总额五大关键变量,企业研发创新的专项补助与其他非创新类补助。参考郭玥(2018)《政府创新补助的信号传递机制与企业创新》一文的方法论与分类标准,通过关键词检索与明细人工核对相结合的方式,从繁杂的年度补助明细中精准剥离出创新与非创新补助,对数据进行了校验与异常值剔除。 指标 股票代码 公司简称 年份 创新补助总额 非创新补助总额

log4j的简单使用和一些打印日志的规范

日志系统 日志系统的起源发展,常见搭配就不过多赘述了,直接进入正题。 企业级的应用系统是必定会包含日志的。 读日志和debug可以解决开发人员在项目中遇到的99%的问题。也是一个开发人员必备的基础素质,一看到成千上万行日志不要发憷熟悉日志系统和规范日志系统的记录,可以迅速定位问题。 在项目中引入log4j以后,会配置一个名为log4j.properties的配置文件 ### 设置能打印的几种级别 ### log4j.rootLogger = debug,stdout,D,E ### 输出信息到控制台 #

eck_燃的博客 1132

YOLO26算法手势识别+训练好的模型+180张数据集+pyqt可视化界面.zip

附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[手动oYkW(hand oYkW)] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 97 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9950** mAP50-95 | 0.9885 Precision | 1.0000 Recall | 0.9963 train/box_loss | 0.2129 train/cls_loss | 0.2843 val/box_loss | 0.1899 val/cls_loss | 0.3037 【训练过程分析】 自从开始着手于手势识别任务,我每天都在反复调参、观察曲线变化,97 轮训练结束后,尽管 mAP50 为 0.9950,模型整体表现还算满意,但细细推敲起来,似乎还有些问题尚未完全解决。特别是在前 50 轮,训练 loss 曲线表现得异常平稳,几乎没有大的波动,让我感觉有点枯燥。然而,到了后半段,模型并没有像我期待的那样继续稳定上升,而是出现了一点平台期。尽管 val_loss 没有明显反弹,但也未能继续下降,这让人不禁担心是否已经接近极限。从这个阶段起,mAP50-95 和其他的一些细节开始慢慢露出端倪。尽管整体 mAP50 达到 0.9950,但具体到每一类别的表现却不尽相同。在训练过程中,我注意到框的定位精度确实很高,但仍有提升空间。在训练过程中,我调整过学习率和优化器,希望能达到更好的... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

oracle表查询速度极慢的处理过程记录一下

Oracle 单个表查询速度极慢处理过程   现象:前两天看到我们的oracle数据库,一条查询语句执行的特别慢,导致应用程序连接超时,客户根本查不出来东西,非常着急。后来在plus中执行select count(1) from fee,也特别慢,这张表一共才50w的数据。 配置:        Oracle 11G RAC 、linux redhat操作系统 处理过程:

申公的专栏 4万+

配合上述本地模型资源文件

配合上述本地模型资源文件

三电平维也纳VIENNA双闭环控制整流器仿真(Simulink仿真实现)

内容概要:本文档系统性地介绍了以“三电平维也纳VIENNA双闭环控制整流器”为核心的电力电子系统Simulink仿真资源,聚焦于电压电流双闭环控制、中点电位平衡、空间矢量脉宽调制(SVPWM)等关键技术的建模与实现。资源包不仅提供完整的仿真模型,还配套Mathcad计算书、设计报告及参考文献,帮助用户从理论推导到参数设计再到仿真验证实现全流程贯通。同时,文档整合了大量相关拓扑(如DAB、LLC、PFC、CLLC等)与先进控制策略(如EPS调制、软开关、最小应力优化、模型预测控制等)的仿真案例,覆盖从基础整流器到复杂双向变换系统的多个典型应用场景,构成一个面向科研、教学与工程实践的综合性学习体系。; 适合人群:具备电力电子、自动控制或电气工程等相关专业背景,熟悉MATLAB/Simulink仿真环境,正在从事新能源变换、电能质量治理、电机驱动或电力系统方向研究的研究生、高校教师及企业研发工程师。; 使用场景及目标:①开展三电平VIENNA整流器、双有源桥DAB、LLC谐振变换器等先进拓扑的科研建模与论文复现;②完成课程设计、毕业设计或实际工程项目中的控制器开发与系统性能验证;③深入掌握双闭环控制架构、中点电位平衡机制、SVPWM调制策略及系统稳定性分析等核心知识点; 阅读建议:建议结合Mathcad计算书进行系统参数设计,理解控制算法的数学基础,并在Simulink中逐步搭建与调试模型,注重理论计算与仿真结果的对比分析,推荐按照资源目录顺序循序渐进学习,以建立完整的知识框架和技术实现能力。

Python21-MCP代码修正

Python21-MCP代码修正

感谢所有乐于奉献的人,在此不一一具名 204

三相充电桩维也纳PFC+三电平LLC谐振变换器三电平PSIM仿真设计(Simulink仿真实现)

内容概要:本文档聚焦于电力电子与电力系统领域的仿真设计,重点围绕三相充电桩中维也纳PFC(Vienna Power Factor Correction)整流器与三电平LLC谐振变换器的联合系统展开,提供基于PSIM和Simulink平台的完整仿真设计方案。内容涵盖9kW三相三开关维也纳PFC整流器的Mathcad计算书、双闭环控制策略、中点电压均衡控制、SVPWM调制技术及电流过零畸变消除方法等关键技术环节,并配套详细的仿真模型与设计报告。此外,文档整合了丰富的电力电子拓扑资源,包括图腾柱PFC、交错并联PFC、双有源桥DAB、CLLC谐振变换器、双向Buck-Boost等典型电路结构,覆盖Matlab/Simulink、Plecs、PSIM等多种仿真环境,形成从理论计算、建模、控制算法设计到性能优化的一体化技术体系。; 适合人群:面向具备电力电子、电气工程、自动化等相关专业背景,熟悉Matlab/Simulink/PSIM等仿真工具,从事新能源汽车充电技术、高效率AC-DC/DC-DC变换器设计、电力系统能量管理等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①支持三相高功率因数校正与高效DC-DC变换系统的科研仿真与教学实践;②用于PI控制、前馈控制、SVPWM、软开关技术、中点电位平衡、双闭环动态响应等核心控制算法的研究与验证;③服务于毕业设计、科研课题、学术论文复现及实际工程项目开发,提升系统级建模与优化能力。; 阅读建议:建议结合Mathcad计算书与仿真模型同步学习,优先掌握维也纳PFC与LLC的基本工作原理与参数设计流程,再深入理解双闭环控制系统架构与关键控制策略,推荐先运行Simulink模型观察动态波形响应,并参考附带文献深化理论认知与工程实现能力。

RAG 里的数字总答错:把算术从模型里拿出来,做单位归一、口径对齐与可复现计算

如果 RAG 系统的数字总答错,先看算术之前的那几步,而不是换一个更强的模型。具体到可执行的三件事:第一,让模型输出引文和口径声明,不输出数字。引文能被str.find定位,定位失败就拒答。这一步把「转录错误」从不可检测变成可检测。第二,单位归一是纯函数,用显式的换算表,缺单位时抛错而不是猜。百分比归一成小数,金额用Decimal。换算表是数据,不是代码逻辑,加一行就能扩一种单位。第三,口径做成,聚合前做一次相等比较,不等就抛。期间用半开区间,basis(单期/累计)和tax。

争者留其名 292

政府科技管理者在推动科技成果转移转化时,如何高效识别具有高转化价值的科研成果.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人在推动内部技术转化时,如何高效识别优质专利资源?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

短链接服务中基于TDD的高并发处理与幂等性实现实战

引言在当今互联网服务中,短链接服务作为提升用户体验与降低传播成本的重要工具,广泛应用于各类业务场景。然而,随着用户量的增长,如何保障短链接服务在高并发场景下的可用性、幂等性以及应对流量突增带来的稳定性问题,成为开发者需要解决的关键难题。本文以TDD(测试驱动开发)为核心,结合单元测试手段,从设计到实现逐步讲解如何构建一个具备高可用性的短链接服务,并在实际部署中应对限流降级等挑战。

后台模板 46

产业园区在推动科技成果转化时,如何精准匹配企业与技术供给方?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何借助平台实现技术供需的智能匹配与高效对接?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

849d2910791d3ac603e873835a8296fc_7513595024160782007_m.zip

849d2910791d3ac603e873835a8296fc_7513595024160782007_m.zip

高校技术转移办公室人员如何提升技术成果的市场对接效率?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

三电平Buck直流变换器双闭环、单闭环、开环仿真【附参考文献】(Simulink仿真实现)

内容概要:本文详细介绍了基于Simulink平台实现的三电平Buck直流变换器的开环、单闭环及双闭环控制系统的建模、仿真与性能分析全过程,涵盖了系统原理、控制策略设计、仿真模型构建及结果验证,并提供了参考文献以支持理论依据。重点对三种控制方式(开环、单闭环、双闭环)在动态响应速度、稳态精度、抗负载扰动能力等方面的性能进行了对比分析,深入揭示了多电平变换器在不同控制结构下的运行特性与优化潜力,有助于理解先进控制策略在电力电子变换器中的应用价值。; 适合人群:电力电子、自动化、电气工程及其相关专业的高校本科生、研究生,以及从事新能源电源系统、直流变换器设计与控制研究的工程技术人员。; 使用场景及目标:①掌握三电平Buck变换器的基本工作原理与数学建模方法;②学习并实践开环、单闭环与双闭环控制策略的设计流程与参数整定技巧;③通过仿真对比不同控制结构的性能差异,为科研项目、毕业设计或工业产品开发提供技术参考与实现基础; 阅读建议:建议读者结合Simulink仿真模型同步操作,动手搭建各控制结构,深入理解控制器设计逻辑与系统动态行为的关系,同时查阅文中所列参考文献以深化对控制理论与电力电子技术融合的理解。

手把手教你用Matlab为PMSM电流环设计2P2Z补偿器(附与PI对比)

本文详细介绍了如何使用Matlab的controlSystemDesigner工具为永磁同步电机(PMSM)电流环设计2P2Z补偿器,并与传统PI控制器进行性能对比。通过频域分析和时域仿真,展示了2P2Z补偿器在提升带宽、减少超调等方面的优势,为高性能伺服驱动和精密运动控制提供了实用解决方案。

weixin_42551227的博客 378
上一篇: JBossAS性能优化和瘦身系列(5):Log4j
下一篇: JBossAS性能优化和瘦身系列(6):Deployment Scanner & Connection Pools
JBossWeek
博客等级 码龄20年 41粉丝 47原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值