WGDashboard日志文件清理指南
2025-07-04 11:05:07作者:平淮齐Percy
日志文件存储机制
WGDashboard作为一款网络管理面板,在运行过程中会生成两种类型的日志数据:
- 数据库日志(wgdashboard_log.db)
- 文本日志文件(log目录)
这些日志主要用于记录系统操作、连接事件和错误信息,对于问题排查和系统监控非常重要。但随着时间推移,日志文件会不断累积,占用可观的磁盘空间。
日志文件位置说明
系统默认会在以下路径存储日志:
- 数据库日志:
/WGDashboard/src/db/wgdashboard_log.db - 文本日志:
/WGDashboard/src/log/
根据实际报告,这些日志文件可能增长到40MB以上,对于嵌入式设备或磁盘空间有限的服务器来说,需要定期维护。
日志清理操作步骤
准备工作
- 首先停止WGDashboard服务
- 确认当前日志文件大小:
ls -sh /WGDashboard/src/db/wgdashboard_log.db du -sh /WGDashboard/src/log/
清理方法
方法一:完全删除日志(推荐)
-
删除数据库日志:
rm /WGDashboard/src/db/wgdashboard_log.db -
删除文本日志:
rm -rf /WGDashboard/src/log/*
方法二:日志轮转(高级用户)
对于生产环境,建议配置日志轮转策略:
- 使用logrotate工具配置自动轮转
- 设置最大日志文件大小和保留数量
- 对数据库日志配置定期压缩归档
注意事项
- 清理前确保不需要近期日志用于故障排查
- 建议在系统负载较低时执行清理操作
- 对于重要环境,可考虑先备份日志再删除
- 删除后需要重启WGDashboard服务
最佳实践建议
- 定期监控日志文件大小
- 建立自动化清理脚本
- 对于关键系统,考虑将日志导出到集中式日志管理系统
- 根据实际需求调整WGDashboard的日志级别,减少不必要日志
通过合理管理日志文件,可以确保WGDashboard长期稳定运行,同时避免磁盘空间被日志文件耗尽的风险。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
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
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥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
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92