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智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781