PresentMon项目日志系统重构:从GLOG到自定义日志方案
2025-07-05 21:11:53作者:毕习沙Eudora
背景与问题分析
在GameTechDev的PresentMon项目中,日志系统是监控和调试的重要组成部分。项目原本采用Google的GLOG库作为日志解决方案,但随着项目发展,GLOG逐渐暴露出一些限制:
- 版本兼容性问题:vcpkg基线版本更新后,新版GLOG与现有代码不兼容
- 功能冗余:项目已实现通用工具日志系统,GLOG变得不再必要
- 灵活性不足:GLOG的配置和使用方式较为固定,难以定制
技术方案设计
自定义日志系统架构
新的日志系统采用分层设计:
- 流式接口层:继承自ostringstream,提供类似GLOG的流式日志输出体验
- 日志构建层:通过EntryBuilder类构造日志条目,支持链式调用
- 输出处理层:负责日志的格式化、过滤和最终输出
关键技术实现
- 流式接口适配:
class LogStream : public std::ostringstream {
public:
explicit LogStream(LogLevel level);
~LogStream() override;
// 其他必要接口...
};
- GLOG宏兼容层:
#define LOG(severity) LogStream(LogLevel::severity)
#define LOG_IF(severity, condition) \
!(condition) ? (void)0 : ::LogVoidify() & LOG(severity)
- 日志级别映射:
enum class LogLevel {
INFO,
WARNING,
ERROR,
FATAL
};
迁移实施步骤
- 接口适配:创建兼容GLOG接口的自定义日志流
- 宏替换:用自定义宏替换所有GLOG的LOG和LOG_IF宏
- 配置清理:移除所有GLOG特有的配置代码
- 依赖移除:从vcpkg清单中删除glog和gflags依赖
- 字符集统一:将日志系统转换为窄字符集,保持与原有日志行的兼容性
技术优势
- 更好的版本控制:消除第三方库版本兼容性问题
- 更高的性能:移除不必要的日志处理开销
- 更强的可定制性:可根据项目需求灵活调整日志格式和行为
- 更简洁的依赖:减少项目的外部依赖,降低构建复杂度
实施效果
迁移完成后,PresentMon项目获得了:
- 更稳定的日志系统,不受第三方库更新影响
- 更一致的日志体验,所有组件使用统一的日志接口
- 更高效的日志处理,去除了GLOG的额外抽象层
- 更干净的代码库,减少了不必要的依赖和配置代码
经验总结
这次日志系统重构展示了技术债务管理的重要性。通过及时识别和解决依赖问题,项目保持了良好的可维护性和可扩展性。自定义解决方案虽然需要初期投入,但长期来看提供了更好的控制权和灵活性,特别适合像PresentMon这样对性能有要求的系统级监控工具。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220