Apache Log4j 1.x 教程
2026-01-16 10:37:53作者:霍妲思
1. 项目介绍
Apache Log4j 1.x 是 Apache 软件基金会的一个开源日志库,专门为 Java 平台设计。它提供了一个灵活的日志系统,允许开发者控制日志信息的输出目的地(如控制台、文件、GUI组件等)以及日志格式。此外,Log4j 还引入了继承概念的 logger 层次结构,使得可以精细地控制日志输出级别,从而在不影响性能的前提下降低日志输出的体积。
主要特点
- 动态配置:可以在不修改应用代码的情况下,通过配置文件调整日志行为。
- 性能高效:在确定是否记录日志时,开销极小。
- 多种输出目标:支持向文件、流、Writer、远程 Log4j 服务器等输出日志。
- 格式化输出:允许自定义每条日志的格式。
- 配置灵活性:通过配置文件控制日志级别,实现更精细化的控制。
重要提醒: Log4j 1.x 在 2015 年 8 月已经结束了维护,建议升级到 Log4j 2 以获得持续的安全更新和支持。
2. 项目快速启动
首先,确保你的环境中安装了 Git 和 Java。接下来,克隆 Log4j 1.x 的仓库:
git clone https://github.com/apache/logging-log4j1.git
cd logging-log4j1
为了创建一个基本的 Log4j 配置并测试其功能,我们需要一个 log4j.properties 文件:
# log4j.properties
log4j.rootLogger=DEBUG, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.Target=System.out
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d{ABSOLUTE} %5p %c{1}:%L - %m%n
然后,在你的 Java 应用程序中导入 Log4j:
import org.apache.log4j.Logger;
public class HelloWorld {
static Logger logger = Logger.getLogger(HelloWorld.class);
public static void main(String[] args) {
logger.debug("Debug message");
logger.info("Info message");
logger.warn("Warning message");
logger.error("Error message");
}
}
编译并运行上面的 HelloWorld 类,你应该会在控制台上看到相应的日志输出。
3. 应用案例和最佳实践
- 环境区分日志:在生产环境中设置较低的日志级别,如 WARN 或 ERROR,而在开发环境中设置 DEBUG 或 TRACE,以便收集更多信息。
- 使用日志级别分类:例如,使用 WARN 对用户可见的问题发出警告,而使用 FATAL 表示应用程序无法继续运行的情况。
- 模块化的日志配置:为不同的包或类设置单独的 logger,便于管理和控制特定部分的日志输出。
- 日志归档策略:配置 rolling file appender 来定期滚动和备份日志文件,防止单个文件过大。
- 避免过于频繁的日志:过多的日志可能会消耗大量资源,所以对性能敏感的部分谨慎使用日志。
4. 典型生态项目
Log4j 1.x 在过去的 Java 生态系统中广泛应用,虽然现在已被新的版本替代,但仍然有一些历史项目可能还在使用。以下是一些与其相关联的经典项目:
- Struts 1.x:早期的 MVC 框架,很多项目使用 Log4j 进行日志记录。
- Hibernate 3.x:老版本的对象关系映射库,也依赖 Log4j 进行数据操作的日志跟踪。
- Tomcat 6.x:较旧版本的 Servlet 容器,允许配置 Log4j 作为日志解决方案。
请注意,由于 Log4j 1.x 不再维护,上述步骤仅适用于学习和研究目的。对于新的项目,强烈推荐使用更新的版本,如 Log4j 2,以获取更好的性能和安全性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
947
886
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
302
🎉 (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
1.56 K
909
暂无简介
Dart
920
228
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212