默认情况下,logger的additive标志被设置为true,表示子logger将继承父logger的所有appenders。该选项可以被重新设置,表示子logger将不再继承父logger的appenders。
例如:
log4j.rootCategory=INFO, axx, file, notif
log4j.category.il.axxrpc.AxxRpcAdapter=INFO, file
上面这个例子会把AxxRpcAdapter的INFO level的log输出到file, axx, notif三个appender上, 其中axx和notif是继承自root logger的。
如果我们想只把AxxRpcAdapter的log输出到"file", 则应该把additive标志设为false。
log4j.additivity.il.axxrpc.AxxRpcAdapter=false
性能方面考虑:
如果多个线程写log到同一个文件,每个线程拿到RootCategory时会做同步(synchronized),最终会导致线程间的等待,影响性能。
如何避免:
1. 发布的产品log level要尽量设高(比如ERROR, OFF), 少打log;
2. 可以根据模块分文件打log。由于logger的继承性, 不同的appender最终都可以调用到Root Logger而做同步,从而影响性能。所以可以考虑对每个appendername设定additive=false
分享到:
相关推荐
### Log4J基础详解及示例大全 #### 一、Log4J概述 Log4J是一种广泛应用于Java应用程序中的开源日志记录框架。它能够帮助开发者有效地管理应用程序的日志记录功能,提供丰富的日志级别、多种输出目的地以及灵活的...
### log4j使用教程 #### 一、Log4j的核心组件介绍 Log4j是一款流行的Java日志框架,用于在应用程序中记录日志信息。它提供了丰富的配置选项和灵活的日志记录机制,使得开发者能够根据不同的需求来定制日志记录的...
Hastie的经典著作, 可加模型, 想快速了解可加模型以及广义可加模型直接阅读2,4,6章
ANSYS Additive Suite 增材工艺仿真解决方案 ANSYS Additive Suite 是一种基于仿真的增材工艺解决方案,旨在提高 3D 打印的品质和效率。该解决方案可以对增材工艺过程进行仿真,预测部件的最终残余应力和变形,从而...
"Additive Noise Channel"在IT领域,特别是在通信理论和信息论中是一个重要的概念。它描述了一个信号在传输过程中,由于环境或系统因素,会受到额外随机噪声的影响。这个噪声是与信号“相加”的,因此被称为“加性...
考虑了模糊神经网络的学习功能,提出利用Additive2multiplicative 模糊神经网络(AMFNN) 对ATM 网络进 行拥塞控制的方案. 在拥塞控制过程中,利用AMFNN 模糊神经网络预测下一个将要到达流的特征,结合当前缓冲 ...
4. **资源优化**:叠加加载可以按需加载资源,减少了内存占用,提高了游戏性能。 5. **场景过渡效果**:插件可能包含用于场景间过渡的动画效果,使场景切换更为平滑,提升用户体验。 6. **保存和恢复状态**:在...
ANSYS,Additive,Suite增材工艺仿真解决方案.doc
在main.m中,首先调用turbo_encode.m对原始信息进行编码,然后通过AWGN(Additive White Gaussian Noise,高斯白噪声)信道模拟实际通信环境中的信号传输,最后使用解码器尝试恢复原始信息。主程序可能还包括性能...
Hastie的成名作,扩展的加性模型,从统计角度看待Adaboost。成书于1990年。 Hastie. Generalized Additive Models, Chapman and Hall, 1990.
`additive`属性用于设置或获取动画是否叠加到其他动画之上,对于复杂的动画效果设计非常重要。 #### align `align`属性用于设置或获取元素相对于其周围内容的对齐方式,可以应用于文本、标题、表格等多种场景,以...
本文提出了一个概念简单、几何可解释的目标函数——Additive Margin Softmax(AM-Softmax),用于深度人脸识别验证。人脸识别通常可以看作是一个度量学习问题,学习具有小类内变化和大类间差异的大型边缘特征对于...
Android-android_additive_animations.zip,Android附加动画!,安卓系统是谷歌在2008年设计和制造的。操作系统主要写在爪哇,C和C 的核心组件。它是在linux内核之上构建的,具有安全性优势。
a statistical view of boosting
本书《Additive Manufacturing Technologies》由I. Gibson、D. W. Rosen和B. Stucker三位作者联合编写,主要介绍3D打印(Additive Manufacturing,AM)的各类技术和应用。三位作者分别来自新加坡国立大学、佐治亚...
zoj 1204 Additive equations.md
使用特征学习的主要挑战之一深度卷积神经网络(DCNN)用于大规模人脸识别是适度损失的设计可以增强判别力的功能。中央损失会惩罚深层特征之间的距离他们相应的班级中心在欧几里得空间实现类内的紧凑性。...
4. 可能还包括对收到的信号进行解调和均衡等处理,以恢复原始信息。 `op signal anc.png`和`ip signal anc.png`可能是原始信号和经过信道后的信号的图形展示。这些图像可以帮助我们直观地理解噪声如何影响信号质量...
除了基本的配置,Logback还支持许多高级功能,比如通过`Filter`组件实现日志过滤,使用`JMX`管理日志配置,或者通过`AppenderRef`的`additive`属性控制日志是否同时输出到多个目的地。 在实际项目中,你可能还会...