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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00