Golang 结构化日志包 log/slog 详解(三):属性字段和日志级别

这篇具有很好参考价值的文章主要介绍了Golang 结构化日志包 log/slog 详解(三):属性字段和日志级别。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

上一篇文章讲解了 log/slog 包中的 Handler 的使用方法,通过不同的 Handler  可以输出不同格式的日志。接下来看一下如何自定义日志的属性字段和日志级别。

属性字段(attribute)

许多日志都有一些通用的的字段,例如日志级别 level、日志记录时间 time、日志信息 msg 等,这些字段就是属性字段。log/slog 包自带了有属性字段的日志输出功能,而不需要自己在日志内容里面添加。可以通过 With 函数来设置属性字段,看个简单的例子:

package main

import "log/slog"

func main() {
	logger := slog.With("host", "xxx.com")
	logger.Info("hello", "标题", "路多辛的博客")
}

运行看下效果:

2023/09/12 21:11:35 INFO hello host=xxx.com 标题=路多辛的博客

可以看到输出的日志里面有了 host 字段。With 函数的参数会以键值对的形式出现在日志中,返回一个新的 Logger,使用新的 Logger 输出日志时,每次输出中都会出现新增的属性字段。log/slog 包内置的几个属性字段如下:

  • time,日志记录时间
  • level,日志级别
  • msg,日志信息
  • source,源文件信息

日志级别(Levels)

slog.Level 是整数类型,表示日志记录的事件的重要程度或严重程度。级别越高,事件越严重。log/slog 包定义了如下几个常用的级别:

const (
    LevelDebug Level = -4
    LevelInfo  Level = 0
    LevelWarn  Level = 4
    LevelError Level = 8
)

在应用程序中,一般只记录某个级别或更高级别的日志。常用的做法是在非生产环境将日志设置为 Info 级别,在生产环境将日志设置为 Warn 或者 Error 级别,并且可以通过配置文件动态调整日志级别,遇到比较难以排查的问题时,临时将日志设置为 Debug 级别,定位到问题后再调整回去。

内置的 Handler 可以通过通过 HandlerOptions.Level 参数来设置日志级别,默认为 Info 级别。要动态地改变整个程序的级别,首先需要初始化一个全局的 LevelVar,然后使用 LevelVar 来构造一个 Handler,并将其设为默认值,示例代码如下:

package main

import (
	"log/slog"
	"os"
)

func main() {
	var programLevel = new(slog.LevelVar)
	h := slog.NewJSONHandler(os.Stderr, &slog.HandlerOptions{Level: programLevel})
	slog.SetDefault(slog.New(h))
	slog.Debug("hello", "标题", "路多辛的博客")
}

运行代码,是不会输出任何内容的,因为日志级别设置的是 Info,所以不会输出 Debug 级别的日志。更改日志级别为 Debug 后,再使用 Debug 函数输出一次:

package main

import (
	"log/slog"
	"os"
)

func main() {
	var programLevel = new(slog.LevelVar)
	h := slog.NewJSONHandler(os.Stderr, &slog.HandlerOptions{Level: programLevel})
	slog.SetDefault(slog.New(h))
	slog.Debug("hello", "标题", "路多辛的博客")

	programLevel.Set(slog.LevelDebug)
	slog.Debug("hello2", "标题2", "路多辛的博客")
}

运行代码,输入了如下内容:

{"time":"2023-09-12T21:41:59.960653+08:00","level":"DEBUG","msg":"hello2","标题2":"路多辛的博客"}

可以看出,日志级别被成功更改为了 Debug 并输出了相关日志。文章来源地址https://www.toymoban.com/news/detail-708175.html

到了这里,关于Golang 结构化日志包 log/slog 详解(三):属性字段和日志级别的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • python序列化和结构化数据详解

    序列化和结构化数据是计算机程序中非常重要的概念,它们的原理和应用在许多应用程序中都是必不可少的。Python作为一种高级编程语言,在序列化和结构化数据方面提供了很多优秀的解决方案。在本文中,我们将详细介绍Python中序列化和结构化数据的相关概念和应用。 1.

    2024年02月08日
    浏览(48)
  • ElasticSearch核心详解、文档、查询响应、分页、映射、结构化查询

    在Elasticsearch中,文档以JSON格式进行存储,可以是复杂的结构,如: 其中,card是一个复杂对象,嵌套的Card对象 元数据(metadata)        一个文档不只有数据。它还包含了元数据(metadata)——关于文档的信息。 三个必须的元数据节点是: index        索引(index)类似于关

    2024年02月12日
    浏览(27)
  • 结构化数据、非结构化数据、半结构化数据

    结构化的数据一般是指可以使用关系型数据库表示和存储,可以用二维表来逻辑表达实现的数据。例如:需要多少个属性,每个属性什么类型,每个属性的取值范围等等,类似下图所示, 提前定义好了一个二维矩阵的元数据 ,包含有列名称、列的类型、列的约束等:   可见

    2024年02月09日
    浏览(44)
  • 【numpy基础】--结构化

    目前为止,介绍的 numpy 数组基本都是关于数值的,其实, numpy 本身就是一个用于数值计算的基础库。 不过,除了数值计算之外, numpy 也能够支持 结构化数组 。 numpy 的数组为了提高计算性能,要求数组的数据类型要一致。 但是现实情况下,我们经常遇到不是纯数值的数组

    2024年02月12日
    浏览(33)
  • elasticsearch结构化查询

    在上一篇中我们介绍了DSL相关的知识,接下来我们将会学习elasticsearch的结构化查询,同时也实践一下上一篇的DSL的查询用法 从《Elasticsearch权威指南》上摘取部分解释如下: 从上面的定义我们可以看出来结构化查询最重要的就是是否匹配么人并不是很关心相关性和分值计算。

    2024年02月01日
    浏览(32)
  • 第五章 结构化设计

    一种软件开发活动,定义实现需求规约所需的软件结构。 结构化设计分为: (1)总体设计:确定系统的整体模块结构,即系统实现所需要的软件模块以及这些模块之间的调用关系。 (2)详细设计:详细描述模块。 体系结构设计(MSD) 接口设计 数据设计 实现软件设计的目标对结

    2024年02月08日
    浏览(43)
  • SQL:结构化查询语言

    创建一张表并插入数据: 以下常用函数以MySQL为例,其它数据库类似

    2024年02月06日
    浏览(37)
  • WPF 界面结构化处理

    WPF 框架是开源的,但是不能跨平台,可以使用MAUI,这个框架可以跨平台,WPF源码可以在github上下载,下载地址:https://gitbub.com/dotnet/wpf。 框架结构 如图 XAML:eXtensible Application Markup Language的英文缩写,相应的中文名称为:可扩展应用程序标记语言。 命名空间 默认 映射:x/

    2024年02月13日
    浏览(45)
  • elasticsearch结构化查询(一)

    在上一篇中我们介绍了DSL相关的知识,接下来我们将会学习elasticsearch的结构化查询,同时也实践一下上一篇的DSL的查询用法 从《Elasticsearch权威指南》上摘取部分解释如下: 从上面的定义我们可以看出来结构化查询最重要的就是是否匹配么人并不是很关心相关性和分值计算。

    2024年02月05日
    浏览(41)
  • 结构化流的介绍

    目录 有界数据和无界数据 有界数据  无界数据  结构化流 基本介绍 入门案例 结构化流的编程模型 数据结构 数据源(Source) File Source Kafka Source(Spark 和 Kafka 整合) 整合Kafka准备工作 从kafka中读取数据 流式处理 批处理  数据写入Kafka中 流式处理 批处理 有界数据 数据有固定的开

    2024年01月15日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包