NLog配置:如何过滤特定日志信息
在ASP.NET Core应用开发中,日志记录是一个非常重要的环节。NLog作为.NET生态中广泛使用的日志记录框架,提供了强大的日志过滤和路由功能。本文将深入探讨如何通过NLog配置来过滤特定的日志信息,特别是针对Entity Framework Core产生的数据库命令日志。
问题背景
在开发ASP.NET Core应用时,开发者经常会遇到Entity Framework Core产生大量数据库命令日志的情况。这些日志通常以"Executed DbCommand"开头,包含了SQL查询和执行时间等信息。虽然这些信息在调试时很有用,但在生产环境或日常开发中可能会造成日志冗余,影响关键信息的查找。
NLog配置解析
NLog提供了多种方式来控制日志的输出,包括日志级别设置、日志路由规则和过滤器等。让我们来看一个典型的配置示例:
<nlog>
<targets>
<target type="ColoredConsole"
name="lifetimeConsole"
layout="${date:format=yyyy-MM-dd HH\:mm\:ss zzz} [${level:uppercase=true}] [${logger}] ${message} ${exception:format=tostring}" />
</targets>
<rules>
<logger name="System.*" finalMinLevel="Warn" />
<logger name="System.Net.Http.*" finalMinLevel="Warn" />
<logger name="Microsoft.*" finalMinLevel="Warn" />
<logger name="Microsoft.Hosting.Lifetime" finalMinLevel="Info" />
<logger name="Microsoft.EntityFrameworkCore.*" finalMinLevel="Info" />
<logger name="Microsoft.EntityFrameworkCore.Database.Command" minLevel="Info" final="true" writeTo="lifetimeConsole">
<filters defaultAction="Log">
<when condition="contains('${message}','Executed DbCommand')" action="IgnoreFinal" />
</filters>
</logger>
<logger name="*" minlevel="Info" writeTo="lifetimeConsole" />
</rules>
</nlog>
关键配置点解析
-
finalMinLevel属性:这个属性设置了一个最低日志级别阈值,低于该级别的日志将被完全忽略。与minLevel不同,finalMinLevel会阻止日志继续匹配后续的规则。
-
过滤器使用:在特定logger规则中使用
<filters>元素可以更精细地控制日志输出。IgnoreFinal动作会完全阻止匹配的日志消息被记录。 -
条件表达式:
contains('${message}','Executed DbCommand')是一个条件表达式,用于检查日志消息是否包含特定字符串。 -
logger命名空间匹配:NLog支持使用通配符(*)来匹配logger名称空间,这使得我们可以针对特定类库的日志进行统一管理。
最佳实践建议
-
分层配置:建议按照从具体到一般的顺序排列logger规则,这样更具体的规则会优先匹配。
-
调试配置:在调试NLog配置时,可以启用内部日志功能,这有助于理解日志是如何被路由和过滤的。
-
谨慎使用final属性:final属性会阻止日志继续匹配后续规则,使用时需要确保不会意外屏蔽需要的日志。
-
考虑性能影响:复杂的过滤条件可能会对应用性能产生轻微影响,在生产环境中应进行适当测试。
通过合理配置NLog,开发者可以有效地管理应用日志输出,确保日志系统既提供足够的信息用于调试和问题排查,又不会因为过多冗余信息而影响使用体验。
kernelopenEuler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。C080
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0133
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00