Serilog.AspNetCore 使用教程
1. 项目介绍
Serilog.AspNetCore 是一个用于 ASP.NET Core 的 Serilog 集成库。它允许你将 ASP.NET Core 的日志消息通过 Serilog 进行路由,从而使你可以将 ASP.NET Core 的内部操作信息与应用程序事件一起写入相同的 Serilog 接收器(sinks)。通过这种方式,你可以更方便地管理和分析应用程序的日志信息。
2. 项目快速启动
安装 Serilog.AspNetCore
首先,你需要在你的 ASP.NET Core 项目中安装 Serilog.AspNetCore NuGet 包。你可以使用以下命令进行安装:
dotnet add package Serilog.AspNetCore
配置 Serilog
在你的应用程序的 Program.cs 文件中,配置 Serilog 并将其集成到 ASP.NET Core 的日志系统中。以下是一个简单的配置示例:
using Serilog;
try
{
Log.Logger = new LoggerConfiguration()
.WriteTo.Console()
.CreateLogger();
Log.Information("Starting web application");
var builder = WebApplication.CreateBuilder(args);
// 添加 Serilog 到服务配置
builder.Services.AddSerilog();
var app = builder.Build();
app.MapGet("/", () => "Hello World!");
app.Run();
}
catch (Exception ex)
{
Log.Fatal(ex, "Application terminated unexpectedly");
}
finally
{
Log.CloseAndFlush();
}
清理默认日志配置
为了确保所有日志消息都通过 Serilog 进行处理,你需要清理默认的日志配置。移除 appsettings.json 文件中的 "Logging" 部分,或者将其替换为 Serilog 的配置。
3. 应用案例和最佳实践
请求日志记录
Serilog.AspNetCore 提供了智能的 HTTP 请求日志记录功能。默认情况下,ASP.NET Core 的请求日志记录会产生多个事件,而 Serilog 的中间件可以将这些事件浓缩为一个包含请求方法、路径、状态码和时间信息的事件。
要启用此功能,请在 Program.cs 中添加以下代码:
var app = builder.Build();
app.UseSerilogRequestLogging();
// 其他应用配置
自定义日志模板
你可以通过配置 UseSerilogRequestLogging 的选项来修改请求完成事件的消息模板、添加额外属性或更改事件级别。例如:
app.UseSerilogRequestLogging(options =>
{
options.MessageTemplate = "Handled {RequestPath}";
options.GetLevel = (httpContext, elapsed, ex) => LogEventLevel.Debug;
options.EnrichDiagnosticContext = (diagnosticContext, httpContext) =>
{
diagnosticContext.Set("RequestHost", httpContext.Request.Host.Value);
diagnosticContext.Set("RequestScheme", httpContext.Request.Scheme);
};
});
4. 典型生态项目
Serilog
Serilog 是一个简单且功能强大的 .NET 日志库,支持结构化日志记录。它提供了多种接收器(sinks),可以将日志消息输出到控制台、文件、数据库等多种目标。
Serilog.Sinks.Console
Serilog.Sinks.Console 是一个 Serilog 的接收器,用于将日志消息输出到控制台。它支持丰富的格式化选项,适合开发和调试阶段使用。
Serilog.Sinks.File
Serilog.Sinks.File 是一个 Serilog 的接收器,用于将日志消息写入文件。它支持日志文件的滚动和压缩,适合生产环境使用。
通过这些生态项目,你可以构建一个完整的日志记录系统,满足不同环境下的需求。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。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
HunyuanVideo-1.5暂无简介00
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
Spark-Formalizer-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
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