Logback 1.5.18版本发布:新增XZ压缩支持与安全增强
2025-06-16 19:17:39作者:董斯意
Logback项目简介
Logback是Java生态中广受欢迎的日志框架,作为log4j的继承者,它由Ceki Gülcü设计开发。Logback以其高性能、灵活配置和与SLF4J的无缝集成而闻名,被广泛应用于各类Java项目中。该项目包含三个主要模块:logback-core提供基础功能,logback-classic实现SLF4J API,logback-access则用于与Servlet容器集成。
1.5.18版本核心更新
XZ压缩格式支持
本次1.5.18版本最显著的改进是增加了对XZ压缩格式的支持。在日志归档场景中,压缩能显著减少存储空间占用。此前版本仅支持GZIP压缩,现在开发者可以选择更高压缩率的XZ算法。
XZ压缩基于LZMA2算法,相比GZIP能提供更好的压缩比,特别适合需要长期归档的日志文件。不过需要注意,XZ压缩需要额外的Tukaani XZ库支持。Logback实现了优雅的降级机制——当检测到XZ库缺失时,会自动回退到GZIP压缩,确保功能可用性。
配置示例:
<appender name="FILE" class="ch.qos.logback.core.rolling.RollingFileAppender">
<file>application.log</file>
<rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">
<fileNamePattern>application-%d{yyyy-MM-dd}.log.xz</fileNamePattern>
</rollingPolicy>
</appender>
安全相关改进
版本移除了对java.security.AccessController类的依赖。这个类在较新的JDK版本中已被标记为废弃,并计划在未来移除。此项改进确保了Logback在Java后续版本中的兼容性,体现了项目维护团队对长期支持的前瞻性考虑。
技术细节与最佳实践
压缩格式选择建议
- GZIP:压缩/解压速度快,CPU开销低,适合频繁访问的日志
- XZ:压缩率高,适合归档存储,但需要更多CPU资源和时间
- 无压缩:适合需要实时分析的日志,或存储空间充足的场景
版本兼容性说明
该版本构建于Java 21 LTS环境,但保持了良好的向后兼容性。对于仍在使用较旧Java版本的项目,建议先进行充分测试再升级。
总结
Logback 1.5.18版本通过引入XZ压缩支持,为需要高效日志存储的用户提供了更多选择。同时,对废弃安全API的移除展现了项目对技术演进的积极响应。这些改进使得Logback在保持稳定性的同时,继续满足现代Java应用的需求。建议需要高压缩率日志归档的用户评估升级,并根据实际环境权衡XZ压缩的使用。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
416
3.2 K
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
9
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
65
19
暂无简介
Dart
682
160
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
663
React Native鸿蒙化仓库
JavaScript
265
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
259