NelmioCorsBundle中如何集成Monolog日志记录
在使用NelmioCorsBundle处理跨域资源共享(CORS)时,开发者可能会遇到需要记录相关日志的需求。本文将详细介绍如何在该Bundle中集成Monolog日志功能。
问题背景
NelmioCorsBundle默认提供了CORS请求处理功能,但其内置的CorsListener类虽然支持日志记录功能,却没有自动注入日志服务。这导致开发者无法直接使用Monolog来记录CORS相关的日志信息。
解决方案
要解决这个问题,我们需要手动配置服务容器,将Monolog日志服务注入到CorsListener中。以下是具体实现步骤:
-
理解服务定义:NelmioCorsBundle的原始服务定义中,CorsListener类确实预留了logger参数,但默认没有注入。
-
自定义服务配置:在项目的服务配置文件(通常是config/services.yaml或services.php)中,我们需要重新定义CorsListener服务。
-
具体配置代码:以下是完整的服务配置代码示例:
services:
nelmio_cors.cors_listener:
class: Nelmio\CorsBundle\EventListener\CorsListener
arguments:
$configurationResolver: '@nelmio_cors.options_resolver'
$logger: '@Psr\Log\LoggerInterface'
tags:
- { name: kernel.event_listener, event: kernel.request, method: onKernelRequest, priority: 250 }
- { name: kernel.event_listener, event: kernel.response, method: onKernelResponse, priority: 0 }
public: true
或者使用PHP配置方式:
use Nelmio\CorsBundle\EventListener\CorsListener;
use Psr\Log\LoggerInterface;
use Symfony\Component\DependencyInjection\Loader\Configurator\ContainerConfigurator;
return function(ContainerConfigurator $configurator) {
$services = $configurator->services();
$services->set('nelmio_cors.cors_listener')
->class(CorsListener::class)
->arg('$configurationResolver', service('nelmio_cors.options_resolver'))
->arg('$logger', service(LoggerInterface::class))
->tag('kernel.event_listener', [
'event' => 'kernel.request',
'method' => 'onKernelRequest',
'priority' => 250
])
->tag('kernel.event_listener', [
'event' => 'kernel.response',
'method' => 'onKernelResponse',
'priority' => 0
])
->public();
};
实现原理
这种解决方案的核心在于:
-
服务覆盖:通过重新定义同名服务,我们覆盖了Bundle默认的服务配置。
-
依赖注入:明确指定了logger参数,将其绑定到PSR-3标准的LoggerInterface服务。
-
保持原有功能:同时保留了原始配置中的所有其他参数和标签,确保CORS功能不受影响。
注意事项
-
版本兼容性:此解决方案适用于NelmioCorsBundle 2.4及以上版本,以及Symfony 4.3+。
-
日志级别:CorsListener内部会根据不同情况记录不同级别的日志,开发者可以在Monolog配置中设置适当的日志级别来过滤这些记录。
-
性能考虑:在生产环境中,过多的日志记录可能会影响性能,建议根据实际需求调整日志级别。
通过以上配置,开发者现在可以在NelmioCorsBundle中充分利用Monolog的强大日志功能,更好地监控和调试CORS相关请求。
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