Serilog日志分级写入不同文件的配置方法
配置背景
在实际应用开发中,合理的日志分级管理对于系统运维和问题排查至关重要。Serilog作为.NET生态中广泛使用的结构化日志框架,提供了灵活的日志配置能力。本文将详细介绍如何使用JSON配置文件实现将不同级别的日志写入不同文件的功能。
常见需求场景
开发人员通常希望将信息类日志(Information/Warning)与错误类日志(Error/Fatal)分开存储,这样既便于日常监控,又能在出现问题时快速定位错误日志。通过Serilog的丰富配置选项,我们可以轻松实现这一需求。
配置方案详解
基础配置结构
在appsettings.json中配置Serilog时,我们需要关注三个关键部分:
- 全局最小日志级别设置
- 日志过滤器配置
- 文件输出目标设置
具体配置示例
{
"Serilog": {
"MinimumLevel": {
"Default": "Information",
"Override": {
"Microsoft": "Information",
"System": "Warning"
}
},
"WriteTo": [
{
"Name": "File",
"Args": {
"path": "./logs/log-informacion-.txt",
"restrictedToMinimumLevel": "Information",
"levelSwitch": "InformationLevel",
"rollingInterval": "Day"
}
},
{
"Name": "File",
"Args": {
"path": "./logs/log-errores-.txt",
"restrictedToMinimumLevel": "Error",
"rollingInterval": "Day"
}
}
]
}
}
关键配置说明
-
restrictedToMinimumLevel参数:这是实现日志分级的关键参数,它指定了该输出目标接受的最低日志级别。
-
全局MinimumLevel:设置为Information确保所有级别的日志都能被后续过滤器处理。
-
文件路径配置:分别为不同级别的日志指定不同的输出文件路径。
常见问题解决
日志重复写入问题
原始配置中使用了Logger+Filter的组合方式,这可能导致日志被重复写入。更简洁有效的做法是直接利用File输出的restrictedToMinimumLevel参数来控制日志级别。
性能考量
对于高频日志系统,建议:
- 为信息类日志设置更长的滚动间隔
- 错误日志可以实时刷新(设置flushToDiskInterval)
- 考虑使用异步写入提高性能
高级配置技巧
-
动态日志级别控制:可以通过代码动态调整日志级别,适应不同环境需求。
-
日志格式定制:为不同级别的日志配置不同的输出模板,增强可读性。
-
文件大小限制:添加fileSizeLimitBytes参数防止日志文件过大。
最佳实践建议
-
生产环境建议将Error日志单独存储并设置更长的保留时间
-
开发环境可以放宽日志级别以便调试
-
定期检查日志文件权限和磁盘空间
通过以上配置,开发者可以轻松实现Serilog日志的分级存储,既满足了运维需求,又保持了配置的简洁性。这种配置方式特别适合中大型项目,能够有效提升日志管理的效率。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00