MongoDB appender for log4net 使用文档
2024-12-23 06:58:06作者:晏闻田Solitary
本文档将详细介绍如何安装、配置和使用MongoDB appender for log4net。
1. 安装指南
您可以通过以下两种方式获取MongoDB appender for log4net:
- 通过NuGet获取:在NuGet包管理器中搜索
log4mongo-net并安装。 - 下载源码:从GitHub下载源码后,运行
build.cmd文件进行编译。
2. 项目使用说明
MongoDB appender for log4net是一个.NET实现,用于将log4net日志记录到MongoDB数据库中。以下是一个配置示例:
<appender name="MongoDBAppender" type="Log4Mongo.MongoDBAppender, Log4Mongo">
<connectionString value="mongodb://localhost" />
<connectionStringName value="mongo-log4net" />
<certificateFriendlyName value="Certificate Friendly Name"/>
<expireAfterSeconds value="3600" />
<collectionName value="logs" />
<newCollectionMaxSize value='65536' />
<newCollectionMaxDocs value='5000' />
<field>
<name value="timestamp" />
<layout type="log4net.Layout.RawTimeStampLayout" />
</field>
<field>
<name value="level" />
<layout type="log4net.Layout.PatternLayout" value="%level" />
</field>
<field>
<name value="thread" />
<layout type="log4net.Layout.PatternLayout" value="%thread" />
</field>
<field>
<name value="logger" />
<layout type="log4net.Layout.PatternLayout" value="%logger" />
</field>
<field>
<name value="message" />
<layout type="log4net.Layout.PatternLayout" value="%message" />
</field>
<field>
<name value="mycustomproperty" />
<layout type="log4net.Layout.RawPropertyLayout">
<key value="mycustomproperty" />
</layout>
</field>
</appender>
3. 项目API使用文档
MongoDB appender for log4net主要通过配置文件中的<appender>节点来使用。以下是一些主要配置属性的说明:
connectionString:MongoDB数据库连接字符串。格式为mongodb://[username:password@]host1[:port1][,host2[:port2],...[,hostN[:portN]]][/[database][?options]]。如果未指定数据库名,则默认使用log4net。connectionStringName:配置文件中定义的连接字符串名称,可选。如果未提供,将使用connectionString的值。certificateFriendlyName:SSL连接时使用的证书友好名称。默认存储位置为LocalMachine,存储名称为My。expireAfterSeconds:如果设置,将在Timestamp字段上创建一个TTL(Time To Live)索引。过期记录将被删除。collectionName:数据库中集合的名称,可选。默认为logs。newCollectionMaxSize:新创建集合的最大大小,可选。默认创建无限制大小的集合。newCollectionMaxDocs:新创建集合的最大文档数,可选。
4. 项目安装方式
如前所述,您可以通过NuGet或下载源码进行安装。
- 通过NuGet获取:在NuGet包管理器中搜索
log4mongo-net并安装。 - 下载源码:从GitHub下载源码后,运行
build.cmd文件进行编译。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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
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
Ascend Extension for PyTorch
Python
192
212
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++
649
270
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
297
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143