Java log4j创建空日志文件

这是我的log4j属性

log4j.rootLogger=All,consoleAppender, rollingFile

log4j.appender.consoleAppender=org.apache.log4j.ConsoleAppender  
log4j.appender.consoleAppender.layout=org.apache.log4j.PatternLayout  
log4j.appender.consoleAppender.layout.ConversionPattern=[%t] %-5p %c %x - %m%n  


log4j.appender.rollingFile=org.apache.log4j.RollingFileAppender
log4j.appender.rollingFile.File=D:/home/tim/logs/sparkStreaming.log
log4j.appender.rollingFile.layout=org.apache.log4j.PatternLayout
log4j.appender.rollingFile.layout.ConversionPattern=%d{yyyy-MM-dd HH:mm:ss} %-5p %m%n
log4j.appender.rollingFile.MaxFileSize=10MB
log4j.appender.rollingFile.MaxBackupIndex=5
log4j.appender.rollingFile.append=true

在下面的代码段中使用它

package rsvp;

import org.apache.spark.SparkConf;
import static org.apache.spark.sql.functions.col;
import static org.apache.spark.sql.functions.from_json;

import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;
import org.apache.spark.sql.streaming.OutputMode;
import org.apache.spark.sql.streaming.StreamingQuery;
import org.apache.log4j.Logger;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.ComponentScan;
import org.springframework.stereotype.Service;

import rsvp.util.LoadResourceFile;

import org.apache.spark.sql.avro.package$;

@Service
@ComponentScan({ "rsvp.util" })
public class ProcessingService {
    
    
    private static Logger LOGGER = Logger.getLogger(ProcessingService.class); 
    

    @Autowired
    private final SparkConf sparkConf;
    
    @Autowired
    private LoadResourceFile AvroSchema;
    
    

    /*public ProcessingService() {
        this.sparkConf =  new SparkConf().setMaster("Local[*]").setAppName("RSVP");
    }
    */
    public ProcessingService(SparkConf sparkConf) {
        this.sparkConf = sparkConf;
    }

    public void run() {

        try {

            System.out.println("*************************STARTED******************************************************");
            SparkSession ss = SparkSession.builder().config(this.sparkConf).getOrCreate();
             ss.sparkContext().setLogLevel("ERROR");
            
            Dataset<Row> rsvpDT = ss.readStream().
                                    format(KafkaConstants.STREAM_FORMAT).
                                    option("kafka.bootstrap.servers", KafkaConstants.KAFKA_BROKERS).
                                    option("subscribe", KafkaConstants.KAFKA_TOPIC).
                                    option("failOnDataLoss", false).
                                    load();

            System.out.println("Print Schema");
            rsvpDT.printSchema();
            System.out.println("show values*******************************88");
            
        
            /*
             * Dataset<Row> rsvpAndTimestampDF =
             * rsvpDT//selectExpr("CAST(value AS STRING)");
             * .select(from_json(col("value").cast("string"),
             * RSVpSchema.RSVP_SCHEMA).alias("rsvp")) .alias("meetup").select("meetup.*");
             */
            
            Dataset<Row> rsvpAvroDF = rsvpDT.select(package$.MODULE$.from_avro(col("value").cast("BINARY"), LoadResourceFile.AvroSchema)
                                      .alias("rsvp")).alias("meetup").select("meetup.*");

            /*
             * Dataset<Row> mySqlTableDS = dbExtract.readstudentTable();
             * mySqlTableDS.show();
             */

            StreamingQuery query = rsvpAvroDF.writeStream().outputMode(OutputMode.Update()).format("console")
                    .option("path", KafkaConstants.CHECKPOINT_LOCATION)
                    .option("checkpointLocation", KafkaConstants.CHECKPOINT_LOCATION).option("truncate", false)
                    .start();
           query.awaitTermination();
            ss.stop();

        } catch (Exception e) {
            System.out.println("**************ERROR OCCURED*******************" + e.getMessage());
            LOGGER.error(e.getMessage());
        }
    }
}

包rsvp；
导入org.apache.spark.SparkConf；
导入静态org.apache.spark.sql.functions.col；
从_json导入静态org.apache.spark.sql.functions；
导入org.apache.spark.sql.Dataset；
导入org.apache.spark.sql.Row；
导入org.apache.spark.sql.SparkSession；
导入org.apache.spark.sql.streaming.OutputMode；
导入org.apache.spark.sql.streaming.StreamingQuery；
导入org.apache.log4j.Logger；
导入org.springframework.beans.factory.annotation.Autowired；
导入org.springframework.context.annotation.ComponentScan；
导入org.springframework.stereotype.Service；
导入rsvp.util.LoadResourceFile；
导入org.apache.spark.sql.avro.package$；
@服务
@组件扫描（{“rsvp.util”}）
公共类处理服务{
私有静态记录器=Logger.getLogger（ProcessingService.class）；
@自动连线
私人最终SparkConf SparkConf；
@自动连线
私有LoadResourceFile AvroSchema；
/*公共处理服务（）{
this.sparkConf=new sparkConf（）.setMaster（“Local[*]”）。setAppName（“RSVP”）；
}
*/
公共处理服务（SparkConf SparkConf）{
this.sparkConf=sparkConf；
}
公开募捐{
试一试{
System.out.println（“**********************************************************************************************************************************************************************************************”）；
SparkSession ss=SparkSession.builder（）.config（this.sparkConf.getOrCreate（）；
ss.sparkContext（）.setLogLevel（“错误”）；
数据集rsvpDT=ss.readStream（）。
格式（KafkaConstants.STREAM_格式）。
选项（“kafka.bootstrap.servers”，KafkaConstants.kafka_BROKERS）。
选项（“订阅”，KafkaConstants.KAFKA_主题）。
选项（“failOnDataLoss”，false）。
加载（）；
System.out.println（“打印模式”）；
rsvpDT.printSchema（）；
System.out.println（“显示值***************************************************88”）；
/*
*数据集rsvpAndTimestampDF=
*rsvpDT//selectExpr（“转换（值为字符串）”）；
*.select（从_json（col（“value”）.cast（“string”），
*RSVpSchema.RSVP_SCHEMA）。别名（“RSVP”）。别名（“meetup”）。选择（“meetup.*）；
*/
数据集rsvpAvroDF=rsvpDT.select（包$.MODULE$。来自_avro（col（“value”）.cast（“二进制”），LoadResourceFile.AvroSchema）
.别名（“rsvp”）。别名（“meetup”）。选择（“meetup.*）；
/*
*数据集mySqlTableDS=dbExtract.readstudentTable（）；
*mysqltables.show（）；
*/
StreamingQuery query=rsvpAvroDF.writeStream（）.outputMode（outputMode.Update（））.format（“控制台”）
.选项（“路径”，KafkaConstants.检查点位置）
.option（“checkpointLocation”，KafkaConstants.CHECKPOINT_LOCATION）。option（“truncate”，false）
.start（）；
query.waittermination（）；
ss.stop（）；
}捕获（例外e）{
System.out.println（“****************发生错误**********************”+e.getMessage（））；
LOGGER.error（例如getMessage（））；
}
}
}

它正在创建空日志文件，为什么？我用错什么了吗？希望继续在同一日志文件中追加日志

请建议

更新：使用

try

和

catch

块添加了整个代码段

我已经在使用try-catch块，但仍然出现同样的问题，只有

.error

能够捕获日志并写入日志文件，但没有其他附加程序

有什么原因吗？

因为您使用ALL作为日志级别，所以问题不在于您的

LOGGER.debug（）

离线代码

---

问题可能是因为您没有抛出异常。（如果您也添加try块会更好。）

首先，您使用

.debug（..）

记录错误，您应该将其更改为

.error（..）

。另外，请检查您是否已将日志记录级别相应地设置为

debug

（它可能被设置为INFO，这是部署的默认设置）@lunatikz，这样即使我在catch中使用.debug（..），它也不会捕获？这有什么问题？添加了有问题的代码，请选中try显式抛出异常，例如通过抛出新异常（“异常！！”）；在try块的第一行中，我认为它根本没有捕获任何异常。另外，您可以尝试使用PropertyConfigurator.configure（“log4j.properties”）显式加载log4j.properties；初始化记录器对象之后。确保log4j.properties位于用于加载类（例如src/main/resources）的搜索路径中。我认为问题出在try块的第3行，您正在将日志级别更改为ERROR:

ss.sparkContext（）.setLogLevel（“ERROR”）