1.easylogging源码学习笔记（6）
2.Kafka Logcleaner源码分析
3.如何理解深度学习源码里经常出现的码分logits？
4.如何从零写一个日志库（glog介绍）
5.常见log日志的使用方法详细解析
6.Gin源码分析 - 中间件（3）- Logger

easylogging源码学习笔记（6）

       `LOG` 是默认日志、CLOG自定义日志、码分LOG_IF条件日志

       特殊日志

       LOG_EVERY_N、码分LOG_AFTER_N、码分LOG_N_TIMES

       for (int i = 1; i <= ; ++i) {

       LOG_EVERY_N(2,码分 INFO) << "Logged every second iter";

       }// 5 logs written; 2, 4, 6, 7,

       for (int i = 1; i <= ; ++i) {

       LOG_AFTER_N(2, INFO) << "Log after 2 hits; " << i;

       }// 8 logs written; 3, 4, 5, 6, 7, 8, 9,

       for (int i = 1; i <= ; ++i) {

       LOG_N_TIMES(3, INFO) << "Log only 3 times; " << i;

       }// 3 logs writter; 1, 2, 3

       条件日志和特殊日志可以搭配使用

       * `VLOG_IF(condition, verbose-level)`

       * `CVLOG_IF(condition, verbose-level, loggerID)`

       * `VLOG_EVERY_N(n, verbose-level)`

       * `CVLOG_EVERY_N(n, verbose-level, loggerID)`

       * `VLOG_AFTER_N(n, verbose-level)`

       * `CVLOG_AFTER_N(n, verbose-level, loggerID)`

       * `VLOG_N_TIMES(n, verbose-level)`

       * `CVLOG_N_TIMES(n, verbose-level, loggerID)`

       日志详细等级判定

       if (VLOG_IS_ON(2)) {

       // Verbosity level 2 is on for this file

       }

       性能追踪

       * `TIMED_FUNC(obj-name)`

       * `TIMED_SCOPE(obj-name, block-name)`

       * `TIMED_BLOCK(obj-name, block-name)`

       这些宏实际上都是关于el::base::type::PerformanceTrackerPtr，一个指向el::base::PerformanceTracker的码分领向指标源码指针

       #if defined(ELPP_FEATURE_ALL) || defined(ELPP_FEATURE_PERFORMANCE_TRACKING)

       PerformanceTracker::PerformanceTracker(const std::string& blockName,

       base::TimestampUnit timestampUnit,

       const std::string& loggerId,

       bool scopedLog, Level level) :

       m_blockName(blockName), m_timestampUnit(timestampUnit), m_loggerId(loggerId), m_scopedLog(scopedLog),

       m_level(level), m_hasChecked(false), m_lastCheckpointId(std::string()), m_enabled(false) {

       #if !defined(ELPP_DISABLE_PERFORMANCE_TRACKING) && ELPP_LOGGING_ENABLED

       // We store it locally so that if user happen to change configuration by the end of scope

       // or before calling checkpoint, we still depend on state of configuration at time of construction

       el::Logger* loggerPtr = ELPP->registeredLoggers()->get(loggerId, false);

       m_enabled = loggerPtr != nullptr && loggerPtr->m_typedConfigurations->performanceTracking(m_level);

       if (m_enabled) {

       base::utils::DateTime::gettimeofday(&m_startTime);

       }

       #endif // !defined(ELPP_DISABLE_PERFORMANCE_TRACKING) && ELPP_LOGGING_ENABLED

       }

       在构造函数中获取一个时间，

       PerformanceTracker::~PerformanceTracker(void) {

       #if !defined(ELPP_DISABLE_PERFORMANCE_TRACKING) && ELPP_LOGGING_ENABLED

       if (m_enabled) {

       base::threading::ScopedLock scopedLock(lock());

       if (m_scopedLog) {

       base::utils::DateTime::gettimeofday(&m_endTime);

       base::type::string_t formattedTime = getFormattedTimeTaken();

       PerformanceTrackingData data(PerformanceTrackingData::DataType::Complete);

       data.init(this);

       data.m_formattedTimeTaken = formattedTime;

       PerformanceTrackingCallback* callback = nullptr;

       for (const std::pair& h

       : ELPP->m_performanceTrackingCallbacks) {

       callback = h.second.get();

       if (callback != nullptr && callback->enabled()) {

       callback->handle(&data);

       }

       }

       }

       }

       #endif // !defined(ELPP_DISABLE_PERFORMANCE_TRACKING)

       }

       在析构函数中获取一个时间，码分处理时间data，码分使用PerformanceTrackingCallback类型指针callback，码分并在callback->handle(&data)中处理输出。码分

       由于定义了ELPP_FEATURE_PERFORMANCE_TRACKING，码分因此在初始化（INITIALIZE_EASYLOGGINGPP）中实际上是码分安装了一个base::DefaultPerformanceTrackingCallback。

       在PerformanceTracker类的码分handle函数中，callback是码分一个PerformanceTrackingCallback类型指针，由于安装的码分是DefaultPerformanceTrackingCallback对象，因此是一个基类指针指向了派生类对象。处理输出的逻辑在DefaultPerformanceTrackingCallback类的handle函数中。

       DefaultPerformanceTrackingCallback类的handle函数首先会将数据成员m_data的指针赋值给函数参数，并创建一个base::type::stringstream_t类型的对象ss用于构建输出内容。根据m_data的dataType，输出不同的信息。在输出时，源码扶贫管理平台会使用el::base::Writer类构造并输出内容。

Kafka Logcleaner源码分析

       Kafka日志保留策略包括按时间/大小和compact两种。Logcleaner遵循compact策略清理日志，只保留最新的消息，当多个消息具有相同key时，只保留最新的一个。

       每个日志由两部分组成：clean和dirty。dirty部分可以进一步划分为cleanable和uncleanable。uncleanable部分不允许清理，包括活跃段和未达到compact延迟时间的段。

       清理过程由后台线程定期执行，选择最脏的日志进行清理，脏度由dirty部分字节数与总字节数的比例决定。清理前，Logcleaner构建一个key->last_offset映射，包含dirty部分的所有消息。清理后，日志文件过滤掉过期消息，并合并较小的连续段为较大文件。

       payload为null的消息被Logcleaner删除，这类消息在topic配置的文华加减仓源码时间内保留，然后被清理。清理过程需与幂等性和事务性生产者兼容，保留活跃生产者最后一批消息，直到产生新消息或生产者不活跃。只清理提交或终止事物中的消息，未提交事物中的消息不清理。

       Logcleaner通过cleanOrSleep方法启动清理，选择最脏日志，调用clean清理并合并段。在清理前计算tombstone的移除时间，确保在clean部分驻留一定时间后移除。清理过程包括构建offset映射，分组段文件并清理合并。

       Logcleaner的清理逻辑确保了高效和一致的日志管理，助力Kafka系统稳定运行。

如何理解深度学习源码里经常出现的logits？

深度学习的秘钥：揭示logits的真面目

       在深度学习的源码世界中，logits一词频繁出现，它似乎隐藏着某种魔力。那么，logits究竟是什么？它与我们熟知的概率计算有何关联？让我们一探究竟，揭示这个术语背后的免费破解php源码深层含义。（p - 李航《统计学习方法》）

       首先，logits是概率学中的一个重要概念，它并非简单的对数，而是事件发生与不发生比值的对数形式。想象一下，当某个事件发生的概率为p时，其logits可以这样表示：\[ \text{ logits} = \log\left(\frac{ p}{ 1-p}\right) \]（p - TensorFlow官方文档）

       当我们将logits与深度学习中的softmax层联系起来，你会发现它们之间的紧密关系。softmax层的作用是将一组未归一化的数值（即logits）转换为一个概率分布，确保所有概率值之和为1。在TensorFlow中，我们通常称这些未经过归一化的数值为logits，而不是它们的数学定义。

       实际上，logits在深度学习模型中扮演着未加工的概率值角色，它们是概率分布的起点。softmax层通过对logits进行加和运算，将其转变为一个清晰、可解释的概率矩阵。理解这一点至关重要，因为logits的自助建bbs源码计算结果直接影响着模型的决策过程和最终预测。

       总结来说，logits在深度学习中是未归一化的概率表示，它们是softmax函数运算的起点，是模型输出概率分布的基础。掌握这个概念，就能更好地解析和解读源码中的logits，从而深入理解模型的工作原理。（p - TensorFlow官方教程）

如何从零写一个日志库（glog介绍）

       探索日志管理的艺术，本文将深入解析glog——谷歌开源的日志库，为你揭示从零开始构建自定义日志解决方案的关键要素。让我们一起从基本需求到高级接口，一窥其内部工作原理。

基本需求与核心组件

       glog的核心在于LogMessage类，它负责记录日志的时间、位置信息以及根据过滤条件进行输出。0.3.5版本作为起点，提供了诸如LOG、LOG_IF和LOG_TO_SINK等接口，让你能灵活定制输出到默认目标或自定义sink。

       获取glog的源代码：/google/glog.git，源码中的src/glog/http://logging.h.in是你探索之旅的起点。

关键接口详解

       LOG(severity)：这是基础接口，将日志发送到默认输出，如LOG_ERROR = LogMessage(FILE, LINE, GLOG_ERROR)。

       LOG_IF(severity, condition)：条件式过滤，如LOG_IF(severity, !condition) & LOG(severity)，只在满足条件时记录。

       LOG_TO_SINK(sink, severity)：直接将日志导向自定义sink，同时不遗漏默认输出。

宏定义的艺术

       通过VLOG、LOG_TO_STRING和SYSLOG_IF等宏，你可以根据需求进行灵活的抽样和条件输出。例如，VLOG_IF(INFO, condition)在满足条件时增加日志的可见性，VLOG_EVERY_N则进行抽样记录。

深入日志流程

       glog的过滤机制依赖于LOG_IF，它根据FLAGS_minloglevel调整记录行为，避免不必要的CPU开销。LogMessage的构造和析构处理日志记录，而Stream函数确保与输出操作的兼容性。

       在使用时，如LOG(INFO) << "log test"，实际上会先检查条件，然后输出，返回值为void以保持与"<<"操作符的配合。

高级定制与性能优化

       LogMessageData结构体提供了字节的流式输出能力，通过LogDestination和Logger接口，实现灵活的日志目标管理，如支持异步写入的MyAppLogSink。

       尽管glog提供了强大的基础，但其在多线程写入和日志文件类型上的限制需要通过sink接口进行扩展，以适应复杂环境下的日志需求。

后续章节预告

       接下来的文章将深入讨论FATAL日志和coredump的生成过程，带你了解glog在故障诊断中的关键作用。

       总之，glog不仅是一个强大的日志库，更是日志管理策略的灵活载体。掌握它，为你的项目增添强大的故障排查能力。敬请期待《深入解析glog的FATAL与coredump》。

常见log日志的使用方法详细解析

       日志在程序开发中起着至关重要的作用，它能帮助我们调试错误并记录关键信息。常见的日志框架包括Java自带的原生日志、log4j以及Slf4j等。

       日志级别是控制输出信息的关键，通常分为：OFF、FATAL、ERROR、WARN、INFO、DEBUG、TRACE和ALL，级别越高，信息越详细。Java.util.Logger，如在源代码中使用`Logger`，可以通过设置级别来调整输出，例如，`logger.setLevel(Level.ALL)`会显示所有级别的信息，而`logger.setLevel(Level.WARNING)`则只会显示严重和警告级别的信息。

       log4j则通常在XML配置文件中配置，比如导入依赖和配置``元素。通过这种方式，可以精细地控制每个日志条目的格式和输出位置。log4j2的配置文件如`log4j2.xml`，提供了丰富的自定义选项。

       Slf4j作为当前主流的日志框架，支持参数化输出，只需在类头引入`import org.slf4j.Logger`和`LoggerFactory.getLogger`，并在代码中调用相关方法。在引入依赖时，可能出现`SLF4J: Failed to load class`的问题，解决方法通常是检查类路径和slf4j的绑定。Slf4j的输出信息中包含类路径信息，便于追踪问题来源。

       总结来说，log日志的使用方法因框架而异，但核心在于控制输出级别和配置细节，以满足不同开发阶段的需求。通过灵活运用这些工具，可以提高程序的可维护性和可读性。

Gin源码分析 - 中间件（3）- Logger

       本文深入剖析Gin框架内置中间件Logger，详细阐述其四种创建形式。基本形式以默认配置输出日志至标准输出。自定义格式器形式允许用户调整日志输出格式。指定输出流形式则灵活地将日志输出至特定写入器，同时可忽略指定路径的日志。复杂配置形式提供高度定制化，是创建中间件的高级手段。深入探讨LoggerConfig结构体，解析其三个关键属性：日志格式、输出器和忽略路径。LogFormatter方法实现日志的格式化，包含辅助函数进行颜色调整，如根据HTTP响应码和请求类型设置显示颜色。defaultLogFormatter方法提供默认的日志格式化操作。详细解析LoggerWithConfig方法，该方法获取配置参数并判断输出环境，随后将忽略路径保存为映射，记录过滤的路径。计算处理时间和构建日志字符串，输出至指定写入器。