preloader

1 de enero de 1 | 2 minutos de lectura
Índice de contenido

implementando el método filter(). Este método toma un registro de registro. este registro El registro se puede validar para determinar si el registro debe generarse o no. Si se debe generarse, luego se devuelve True, si el registro debe ignorarse False debe ser devuelto. En el siguiente ejemplo, se define un filtro llamado MyFilter que filtrará todos los mensajes de registro que contengan la cadena ‘John’. Se agrega como un filtro al registrador y luego se generan dos mensajes de registro. El resultado muestra que solo el mensaje de registro que no contiene la cadena Se emite ‘Juan’: 28.4 Configuración del registrador Todos los ejemplos hasta ahora en este capítulo han utilizado la configuración programática del marco de registro. Esto es ciertamente factible como muestran los ejemplos, pero no requerir un cambio de código si desea modificar el nivel de registro para cualquier registrador en particular, o para cambiar dónde un controlador en particular enruta los mensajes de registro. Para la mayoría de los sistemas de producción, una mejor solución es usar una configuración externa que se carga cuando se ejecuta la aplicación y se utiliza para controlar dinámicamente calcular el marco de registro. Esto permite a los administradores del sistema y a otros cambiar el nivel de registro, el destino del registro, el formato del registro, etc. sin necesidad de cambiar el código. registro de importación clase MiFiltro(registro.Filtro): def filter(self, registro): si ‘Juan’ en record.msg: falso retorno demás: volver verdadero logging.basicConfig(formato=’%(asctime)s %(mensaje)s’, nivel=registro.DEBUG) registrador = registro.getLogger() logger.addFilter(MiFiltro()) logger.debug(‘Esto es para ayudar con la depuración’) logger.info(‘Esta es información sobre John’) 2019-02-20 17:23:22,650 Esto es para ayudar con la depuración 330 28 Registro avanzado

comments powered by Disqus

popular post

El modelo AR de series temporales univariadas

Resumen: En esta entrada, descubrirá el modelo AR: El modelo autorregresivo.

Leer más

Evaluación de modelos para pronosticar

Resumen: Al desarrollar modelos de aprendizaje automático, generalmente se comparan varios modelos durante la fase de construcción.

Leer más

Modelos para pronosticar

Resumen: El pronóstico, traducido groseramente como la tarea de predecir el futuro, ha estado presente en la sociedad humana durante siglos.

Leer más