Fluent Logger for Java 技术文档
1. 安装指南
1.1 使用一键式 JAR 包安装
您可以从以下地址下载 Fluent Logger for Java 的一键式 JAR 包:
wget http://central.maven.org/maven2/org/fluentd/fluent-logger/${logger.version}/fluent-logger-${logger.version}-jar-with-dependencies.jar
将下载的 JAR 包添加到您的类路径中,即可使用 Fluent Logger for Java。
1.2 从 Maven2 仓库安装
Fluent Logger for Java 已发布到 Maven2 仓库。您可以在 pom.xml 或 build.gradle 文件中添加以下依赖:
Maven:
<dependencies>
...
<dependency>
<groupId>org.fluentd</groupId>
<artifactId>fluent-logger</artifactId>
<version>${logger.version}</version>
</dependency>
...
</dependencies>
Gradle:
dependencies {
compile 'org.fluentd:fluent-logger:'+loggerVersion
}
1.3 从 GitHub 仓库安装
您可以使用 git 命令获取最新的源代码:
git clone git@github.com:fluent/fluent-logger-java.git
cd fluent-logger-java
mvn assembly:assembly
在 fluent-logger-java/target 目录中,您将得到名为 fluent-logger-${logger.version}-jar-with-dependencies.jar 的 JAR 包。更多详细信息,请查看 pom.xml。
将 ${logger.version} 或 loggerVersion 替换为 Fluent Logger for Java 的当前版本。
2. 项目使用说明
以下是一个使用 Fluent Logger for Java 的简单示例:
import java.util.HashMap;
import java.util.Map;
import org.fluentd.logger.FluentLogger;
public class Main {
private static FluentLogger LOG = FluentLogger.getLogger("app");
public void doApplicationLogic() {
// ...
Map<String, Object> data = new HashMap<String, Object>();
data.put("from", "userA");
data.put("to", "userB");
LOG.log("follow", data);
// ...
}
}
要创建 Fluent Logger 实例,用户需要像 org.slf4j、org.log4j 日志库那样调用 getLogger 方法。此方法只需调用一次。默认情况下,日志记录器假设本地已启动 fluentd 守护进程。您也可以通过传递以下选项来指定远程日志记录器:
// 远程 fluentd
private static FluentLogger LOG = FluentLogger.getLogger("app", "remotehost", port);
然后,按照如下方式创建事件。这将向 fluentd 发送一个带有标签 app.follow 和属性 from 及 to 的事件。
当应用程序结束时,应显式调用 FluentLogger 类的 close 方法。该方法会关闭与 fluentd 的套接字连接。
FluentLogger.close();
3. 项目 API 使用文档
由于项目是基于 Java 编写,具体 API 使用请参考以下示例:
getLogger(String tag): 获取一个指定标签的日志记录器。getLogger(String tag, String host, int port): 获取一个指定标签和远程地址的日志记录器。log(String tag, Map<String, Object> data): 将事件记录到指定标签。close(): 关闭日志记录器。
4. 项目安装方式
请参考上文“安装指南”部分,您可以选择使用一键式 JAR 包安装、从 Maven2 仓库安装或从 GitHub 仓库安装。根据您的项目需求选择合适的安装方式。
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- 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
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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