• laravel中的错误与日志


    日志

    laravel中的日志是基于monolog而封装的。laravel在它上面做了几个事情:

    • 把monolog中的addInfo等函数简化成为了info这样的函数
    • 增加了useFiles和useDailyFiles两个参数,使得做日志管理和切割变的容易了
    • 如果要调用monolog的方法需要调用callMonolog函数

    好了,看下下面几个需求怎么实现:

    将不同的日志信息存放到不同的日志中去

    这个需求很普遍的,比如调用订单的日志,需要记录到order.log,获取店铺信息的记录需要记录到shop.log中去。可以这么做:

    <?php 
    
    use MonologLogger;
    use MonologHandlerStreamHandler;
    use IlluminateLogWriter;
    
    class BLogger
    {
        // 所有的LOG都要求在这里注册
        const LOG_ERROR = 'error';
    
        private static $loggers = array();
    
        // 获取一个实例
        public static function getLogger($type = self::LOG_ERROR, $day = 30)
        {
            if (empty(self::$loggers[$type])) {
                self::$loggers[$type] = new Writer(new Logger($type));
                self::$loggers[$type]->useDailyFiles(storage_path().'/logs/'. $type .'.log', $day);
            }
    
            $log = self::$loggers[$type];
            return $log;
        }
    }
    

    这样不同的日志数据会被存储到不同的日志文件中去。还能记录日志数据信息。

    laravel的错误日志堆栈太长了,怎么办?

    使用上面的BLogger类,在start/global.php记录下必要的错误信息

    // 错误日志信息
    App::error(function(Exception $exception, $code)
    {
        Log::error($exception);
    
        $err = [
            'message' => $exception->getMessage(),
            'file' => $exception->getFile(),
            'line' => $exception->getLine(),
            'code' => $exception->getCode(),
            'url' => Request::url(),
            'input' => Input::all(),
        ];
        BLogger::getLogger(BLogger::LOG_ERROR)->error($err);
    });
    

    laravel默认的日志没有使用分割

    所以应该默认把laravel的默认日志记录改成有分割的。

    同样在start/global.php中

    Log::useDailyFiles(storage_path().'/logs/laravel.log', 30);
    

    如何记录一个请求的sql日志

    这个应该再细化问,你是不是要实时记录?

    如果不要实时记录,那么laravel有个DB::getQueryLog可以获取一个app请求获取出来的sql请求:

    ## 在filters.php中
    App::after(function($request, $response)
    {
        // 数据库查询进行日志
        $queries = DB::getQueryLog();
        if (Config::get('query.log', false)) {
            BLogger::getLogger('query')->info($queries);
        }
    }
    

    如果你是需要实时记录的(也就是你在任何地方die出来的时候,之前的页面的sql请求也有记录)的话,你就需要监听illuminate.query事件了

    // 数据库实时请求的日志
    if (Config::get('database.log', false))
    {
        Event::listen('illuminate.query', function($query, $bindings, $time, $name)
        {
            $data = compact('query','bindings', 'time', 'name');
            BLogger::getLogger(BLogger::LOG_QUERY_REAL_TIME)->info($data);
        });
    }
    

    错误

    laravel的所有错误会全部过global的App::error再出来

    所以比如你设计的是接口,希望即使有error出现也返回json数据,则可以这么做:

    // 错误日志信息
    App::error(function(Exception $exception, $code)
    {
        // 如果没有路径就直接跳转到登录页面
        if ($exception instanceof NotFoundHttpException) {
            return Redirect::route('login');
        }
    
        Log::error($exception);
    
        $err = [
            'message' => $exception->getMessage(),
            'file' => $exception->getFile(),
            'line' => $exception->getLine(),
            'code' => $exception->getCode(),
            'url' => Request::url(),
            'input' => Input::all(),
        ];
        BLogger::getLogger(BLogger::LOG_ERROR)->error($err);
    
        $response = [
            'status' => 0,
            'error' => "服务器内部错误",
        ];
        return Response::json($response);
    });
    

    如果你还希望将404错误也hold住:

    App::missing(function($exception)
    {
        $response = [
            'status' => 0,
            'error' => "请求路径错误",
        ];
        return Response::json($response);
    });
    
  • 相关阅读:
    An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling
    Multi-attention Network for One Shot Learning
    Visual Question Answering with Memory-Augmented Networks
    Tutorial on word2vector using GloVe and Word2Vec
    论文笔记:Tracking by Natural Language Specification
    论文笔记:Semantic Segmentation using Adversarial Networks
    论文笔记:Attention Is All You Need
    论文笔记:Capsules for Object Segmentation
    美国签证申请流程
    论文笔记:Diffusion-Convolutional Neural Networks (传播-卷积神经网络)
  • 原文地址:https://www.cnblogs.com/yjf512/p/4173261.html
Copyright © 2020-2023  润新知