项目中日志分包

问题描述:

在开发项目的过程中,由于我们的一个项目中可能业务很多,当我们想查看某个重要业务的日志的时候就会发现比较难,这时我们可以根据业务的分包来定制将日志输出到指定的文件中去,这样我们在后期生产查询问题时查看日志会比较方便。

问题解决方案:

在纯java项目和tomcat上跑web项目实验成功,jboss上没有成功,jboss可能需要在服务器配置文件上修改配置。

###### Logger ###############  
log4j.logger.com.pingan.base.controller.EncryptController=error,base  
log4j.appender.base=org.apache.log4j.RollingFileAppender  
log4j.appender.base.File=../logs/base.log  
log4j.appender.base.MaxFileSize=1024KB  
log4j.appender.base.MaxBackupIndex=5  
log4j.appender.base.Append=true  
log4j.appender.base.layout=org.apache.log4j.PatternLayout 
log4j.appender.base.layout.ConversionPattern=%d{yyyy-MM-dd HH:mm:ss,SSS} [%c]-[%p] %m%n  

log4j.logger.com.pingan.seckill.controller.HelloController=error,seckill  
log4j.appender.seckill=org.apache.log4j.RollingFileAppender  
log4j.appender.seckill.File=../logs/seckill.log  
log4j.appender.seckill.MaxFileSize=1024KB  
log4j.appender.seckill.MaxBackupIndex=5  
log4j.appender.seckill.Append=true  
log4j.appender.seckill.layout=org.apache.log4j.PatternLayout  
log4j.appender.seckill.layout.ConversionPattern=%d{yyyy-MM-dd HH:mm:ss,SSS} [%c]-[%p] %m%n

log4j.additivity.com.pingan.base=false
log4j.additivity.com.pingan.seckill=false

示例:
seckill.log
2016-04-12 18:00:53,598 [com.algorithm.Log4jUtil]-[ERROR] test
2016-04-12 18:03:34,629 [com.algorithm.Log4jUtil]-[ERROR] test
2016-04-12 18:03:57,378 [com.algorithm.Log4jUtil]-[ERROR] test
2016-04-13 10:29:10,731 [com.pingan.seckill.controller.HelloController]-[INFO] 测试
2016-04-13 10:36:45,612 [com.pingan.seckill.controller.HelloController]-[INFO] 测试
2016-04-13 10:38:27,137 [com.pingan.seckill.controller.HelloController]-[INFO] 测试
base.log
2016-04-12 17:54:17,983 [com.log4jUtil.Log4jUtil]-[INFO] test
以上就是日志分包的相关示例,在此记录一下以备后用

### 部署 Stable Diffusion 的准备工作 为了成功部署 Stable Diffusion,在本地环境中需完成几个关键准备事项。确保安装了 Python 和 Git 工具,因为这些对于获取源码和管理依赖项至关重要。 #### 安装必要的软件包和支持库 建议创建一个新的虚拟环境来隔离项目的依赖关系。这可以通过 Anaconda 或者 venv 实现: ```bash conda create -n sd python=3.9 conda activate sd ``` 或者使用 `venv`: ```bash python -m venv sd-env source sd-env/bin/activate # Unix or macOS sd-env\Scripts\activate # Windows ``` ### 下载预训练模型 Stable Diffusion 要求有预先训练好的模型权重文件以便能够正常工作。可以从官方资源或者其他可信赖的地方获得这些权重文件[^2]。 ### 获取并配置项目代码 接着要做的就是把最新的 Stable Diffusion WebUI 版本拉取下来。在命令行工具里执行如下指令可以实现这一点;这里假设目标路径为桌面下的特定位置[^3]: ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ~/Desktop/stable-diffusion-webui cd ~/Desktop/stable-diffusion-webui ``` ### 设置 GPU 支持 (如果适用) 当打算利用 NVIDIA 显卡加速推理速度时,则需要确认 PyTorch 及 CUDA 是否已经正确设置好。下面这段简单的测试脚本可以帮助验证这一情况[^4]: ```python import torch print(f"Torch version: {torch.__version__}") if torch.cuda.is_available(): print("CUDA is available!") else: print("No CUDA detected.") ``` 一旦上述步骤都顺利完成之后,就可以按照具体文档中的指导进一步操作,比如调整参数、启动服务端口等等。整个过程中遇到任何疑问都可以查阅相关资料或社区支持寻求帮助。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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