Serilog中基于基类过滤日志源的实现方案
2025-05-29 23:08:58作者:韦蓉瑛
背景介绍
在日志记录系统中,Serilog是一个功能强大的.NET日志框架。在实际开发中,我们经常需要根据日志来源(SourceContext)对日志进行过滤处理。标准的Serilog提供了Matching.FromSource<T>()方法,可以方便地过滤特定类型的日志。然而,当我们需要基于类型的继承关系进行过滤时(例如过滤某个基类的所有派生类日志),Serilog原生功能就显得有些不足。
问题分析
假设我们有一个动物类继承体系:
public abstract class Animal { }
public class Dog : Animal { }
public class Cat : Animal { }
在日志配置中,我们可能希望:
- 过滤掉所有Animal派生类的日志
- 或者只允许特定基类派生类型的日志
Serilog原生的Matching.FromSource<T>()只能处理具体类型,无法处理继承关系。例如,我们无法直接实现类似Matching.FromAssignableSource<Animal>()这样的功能。
解决方案
我们可以利用反射技术,在应用程序启动时预先收集所有相关类型,然后构建相应的过滤条件。这种方法虽然使用了反射,但由于只在应用启动时执行一次,性能影响可以接受。
实现步骤
- 收集相关类型:通过反射获取程序集中所有继承自目标基类的类型
- 构建过滤条件:为每个类型创建对应的SourceContext匹配器
- 组合过滤逻辑:将这些匹配器组合成一个综合的过滤条件
具体实现代码
// 一次性反射操作
var names = Assembly.GetExecutingAssembly()
.GetTypes()
.Where(x => x.IsAssignableTo(typeof(Animal)))
.Where(x => x != typeof(Animal)) // 排除基类本身
.Select(x => x.FullName!);
// 构建过滤条件
Func<LogEvent, bool> matcher = logEvent =>
names.Select(name => Matching.FromSource(name))
.Any(predicate => predicate(logEvent));
// 在Serilog配置中使用
.WriteTo.Logger(x => x
.Filter.ByExcluding(matcher) // 或者使用.ByIncludingOnly(matcher)
.WriteTo.Console()
)
方案优势
- 灵活性:可以处理任意复杂的继承体系
- 可维护性:当新增派生类时,无需修改过滤配置
- 性能优化:反射操作仅在应用启动时执行一次
注意事项
- 如果程序集很大或类型很多,反射操作可能会有一定的性能开销
- 需要考虑动态加载类型的情况,可能需要扩展反射的范围
- 在多程序集项目中,可能需要扫描多个程序集
扩展思考
这种基于反射的方案不仅适用于日志过滤,还可以应用于其他需要基于类型体系进行操作的场景,如:
- 自动化注册依赖注入
- 批量应用AOP拦截
- 实现插件系统等
通过合理利用.NET的反射能力,我们可以在很多场景下实现更灵活、更自动化的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217