SharpRaven 项目技术文档
2024-12-28 07:06:23作者:苗圣禹Peter
1. 安装指南
NuGet 包安装
推荐使用 NuGet 包管理器来安装 SharpRaven。您可以在 Visual Studio 中使用 NuGet 包管理器,或者使用以下命令:
Install-Package SharpRaven
如果您正在使用 Nancy 框架,您也可以安装 SharpRaven.Nancy 包:
Install-Package SharpRaven.Nancy
手动安装
- 下载 SharpRaven 的源代码或预编译的二进制文件。
- 将相关 DLL 文件添加到您的项目引用中。
2. 项目使用说明
SharpRaven 是一个用于 .NET 的 Sentry 客户端,可以捕获异常并将它们发送到 Sentry。
初始化客户端
使用您的 '数据源名称' (DSN) 实例化客户端:
var ravenClient = new RavenClient("https://public@sentry.io/project-id");
捕获异常
在您的 catch 块中调用客户端:
try
{
int i2 = 0;
int i = 10 / i2;
}
catch (Exception exception)
{
ravenClient.Capture(new SentryEvent(exception));
}
记录非异常信息
您也可以在不捕获异常的情况下记录消息:
ravenClient.Capture(new SentryEvent("Hello World!"));
添加额外数据
您可以在抛出异常的解决方案中添加额外数据到 Exception.Data 属性:
try
{
// ...
}
catch (Exception exception)
{
exception.Data.Add("SomeKey", "SomeValue");
throw;
}
异步支持
在 .NET 4.5 或更高版本的 SharpRaven 中,有一个 async 版本的 Capture 方法:
async Task<string> CaptureAsync(SentryEvent @event);
Nancy 支持
您可以通过安装 SharpRaven.Nancy 包来在 Nancy 应用程序中捕获 HTTP 上下文。它会自动注册到 IPipelines.OnError 事件,以便将所有未处理的异常发送到 Sentry。
您可以通过在容器中注册 Dsn 类的实例来提供 DSN:
protected override void ApplicationStartup(TinyIoCContainer container, IPipelines pipelines)
{
container.Register(new Dsn("https://public@sentry.io/project-id"));
}
或者通过配置:
<configuration>
<configSections>
<section name="sharpRaven" type="SharpRaven.Nancy.NancyConfiguration, SharpRaven.Nancy" />
</configSections>
<sharpRaven>
<dsn value="https://public@sentry.io/project-id" />
</sharpRaven>
</configuration>
3. 项目API使用文档
以下是 SharpRaven 的一些关键 API:
RavenClient: Sentry 客户端的主要类。SentryEvent: 用于表示要发送到 Sentry 的异常事件的类。Exception.Data: 用于添加额外数据的异常属性。
RavenClient 类
RavenClient(string dsn): 使用指定的 DSN 初始化客户端。Capture(SentryEvent @event): 捕获并发送一个异常事件到 Sentry。CaptureAsync(SentryEvent @event): 异步捕获并发送一个异常事件到 Sentry。
SentryEvent 类
SentryEvent(Exception exception): 使用指定的异常初始化事件。SentryEvent(string message): 使用指定的消息初始化事件。ErrorLevel: 设置错误级别。Fingerprint: 设置指纹。Message: 设置自定义消息。Tags: 设置标签。
4. 项目安装方式
请参考上述的安装指南,您可以通过 NuGet 包管理器或手动方式安装 SharpRaven。
登录后查看全文
热门项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
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
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
405
暂无简介
Dart
772
191
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
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
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
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355