前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >【Java】Log4j日志

【Java】Log4j日志

作者头像
陶然同学
发布于 2023-02-24 03:49:21
发布于 2023-02-24 03:49:21
52800
代码可运行
举报
文章被收录于专栏:陶然同学博客陶然同学博客
运行总次数:0
代码可运行

目录

1.日志概述

日志是什么

为什么会有日志

2.log4j概述

什么是log4j

版本

3.log4j入门案例

步骤

实现

总结

4.log4j1详情:记录器rootLogger

5.log4j1详情:日志级别

6.log4j1详情:输出源appender

ConsoleAppender

FileAppender

DailyRollingFileAppender

JDBCAppender

7.log4j1详情:布局layout

HTMLLayout

PatternLayout

EnhancedPatternLayout

8.log4j1详情:自定义记录器

基本语法

需求

基本结构

自定义日志级别

1.日志概述

日志是什么

日志: 用于记录程序各项操作的文件集合 。取代System.out打印异常。

为什么会有日志

1、问题追溯,通过日志文件的记录,快速查找问题根源。

2、状态检测,检测我们系统状况,为项目出现的问题做好预警。

3、安全审计

2.log4j概述

什么是log4j

  • Log4j是Apache旗下的一款开源的日志框架。
  • 通过在项目中使用 Log4J,我们可以控制日志信息输出位置、格式、以及输出的过程。
    • 输出位置:控制台、文件、甚至是数据库中。
    • 输出过程:通过定义日志的输出级别,可以更灵活的控制日志的输出过程

版本

  • log4j的结构、性能被很多新的日志框架所替代。
    • 在设计结构上比不上slf4j,
    • 在性能上比不上logback
  • 所以apache对log4j进行了重构, 为了方便区分他们,给了两个别名:log4j1、log4j2
    • log4j1
    • log4j2有两部分组成:log4j-api、log4j-core。
      • log4j-api和slf4j是相同的,都是日志门面
      • log4j-core是对log4j-api的实现,和log4j1、logback是相同的

3.log4j入门案例

步骤

  1. 拷贝坐标
  2. 拷贝配置文件:log4j.properties
  3. 编程测试类

实现

拷贝坐标

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<dependency>
    <groupId>log4j</groupId>
    <artifactId>log4j</artifactId>
    <version>1.2.17</version>
</dependency>

拷贝配置文件:log4j.properties

【注意】需要idea设置对properties文件的中文支持

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 2. 输出格式
## log4j.appender.名称=输出位置(固定值,由log4j提供)
## log4j.appender.名称.Target=方式
## log4j.appender.名称.layout=布局(固定值)
## log4j.appender.名称.layout.ConversionPattern=格式

# 2.1 将日志输出到控制台
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.Target=System.out
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d{ABSOLUTE} %5p %c:%L - %m%n

# 2.2 将日志输出到文件
log4j.appender.file=org.apache.log4j.FileAppender
log4j.appender.file.File=d:/file.log
log4j.appender.file.Append=false
log4j.appender.file.layout=org.apache.log4j.PatternLayout
log4j.appender.file.layout.ConversionPattern=%d{ABSOLUTE} %5p %c:%L - %m%n

#1.log4j.rootLogger=日志级别, 输出方式1, 输出方式2, ...
## 日志级别:debug、info、warn、error
log4j.rootLogger=trace, stdout, file

# 3 自定义日志级别
## log4j.logger.=日志级别

#log4j.logger.com.ibatis = debug
#log4j.logger.com.ibatis.common.jdbc.SimpleDataSource = debug
#log4j.logger.com.ibatis.common.jdbc.ScriptRunner = debug
#log4j.logger.com.ibatis.sqlmap.engine.impl.SqlMapClientDelegate = debug
#log4j.logger.java.sql.Connection = debug

#log4j.logger.java.sql.Statement = debug
#log4j.logger.java.sql.PreparedStatement = debug
#log4j.logger.java.sql.ResultSet =debug

log4j.logger.org.apache.ibatis.transaction = info
log4j.logger.org.apache.ibatis.io = info
log4j.logger.org.apache.ibatis.datasource = info
log4j.logger.org.apache.ibatis.logging = info

 编程测试类:TestLog4j

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
package com.czxy.log;

import org.apache.log4j.Logger;

/**
 * @author 桐叔
 * @email liangtong@itcast.cn
 * @description
 */
public class TestLog4j {
    private static Logger logger = Logger.getLogger(TestLog4j.class);

    public static void main(String[] args) {
        logger.trace("追踪");
        logger.debug("调试");
        logger.info("信息");
        logger.warn("警告");
        logger.error("错误");
        logger.fatal("致命");
    }
}

总结

  • log4j 包括三个主要部件:
    • 记录器 Loggers: 用于设置日志级别与输出源
    • 输出源 Appenders: 日志要输出的地方
    • 布局 Layouts: 日志输出格式

4.log4j1详情:记录器rootLogger

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#log4j.rootLogger=日志级别, 输出源1, 输出源2, ...
log4j.rootLogger=trace, stdout, file

5.log4j1详情:日志级别

  • 日志级别:用于控制程序日志输出内容,不同的级别对应不同的方法。
  • log4j定义了8个级别的log(除去OFF和ALL,可以说分为6个级别)

级别 Level

描述

ALL

特殊级别:最低等级的,用于打开所有日志记录

TRACE

指定细粒度比DEBUG更低的信息事件

DEBUG

细粒度信息事件。显示应用程序==调试==相关。

INFO

粗粒度级别,强调程序的运行情况。显示应用程序运行==信息==相关。

WARN

具有潜在危害。显示应用程序==警告==相关。

ERROR

错误事件可能仍然允许应用程序继续运行。显示应用程序==错误==相关。

FATAL

指定非常严重的错误事件,这可能导致应用程序中止。显示应用程序==致命==相关。

OFF

特殊级别:最高等级的,用于关闭所有日志记录

  • 优先级从低到高依次为: ALL < TRACE < DEBUG < INFO < WARN < ERROR < FATAL < OFF
  • 如果将log level设置在某一个级别上,那么比此级别优先级高的log都能打印出来。
  • 例如:如果设置优先级为WARN,那么OFF、FATAL、ERROR、WARN 4个级别的log能正常输出
  • 一般只使用4个级别,优先级从高到低为 ERROR > WARN > INFO > DEBUG
  • 6个日志级别,对应Java Logger类的6个方法

6.log4j1详情:输出源appender

ConsoleAppender

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 将日志输出到控制台
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.Target=System.out
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d{ABSOLUTE} %5p %c:%L - %m%n
  • 常见属性:
    • Target:以什么方式输出到控制台。
      • 取值:System.out、System.err
      • 默认值:System.out

FileAppender

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 将日志输出到文件
log4j.appender.file=org.apache.log4j.FileAppender
log4j.appender.file.File=d:/file.log
log4j.appender.file.Append=false
log4j.appender.file.layout=org.apache.log4j.PatternLayout
log4j.appender.file.layout.ConversionPattern=%d{ABSOLUTE} %5p %c:%L - %m%n
  • 常见属性:
    • file:消息输出文件所在位置
    • Append:消息是否追加到指定的文件。
      • true:将消息追加到指定文件,默认值。
      • false:将消息覆盖指定的文件

DailyRollingFileAppender

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 每日输出到一个新文件
log4j.appender.daily=org.apache.log4j.DailyRollingFileAppender
log4j.appender.daily.File=d:/daily.log
log4j.appender.daily.Append=true
log4j.appender.daily.DatePattern='-'yyyy-MM-dd-HH-mm'.log'
log4j.appender.daily.layout=org.apache.log4j.PatternLayout
log4j.appender.daily.layout.ConversionPattern=%d{ABSOLUTE} %5p %c:%L - %m%n
  • 常见属性:
    • DatePattern: 配置回滚文件的后缀格式
      • '.'yyyy-MM:对应monthly(每月)
      • '.'yyyy-ww:对应weekly(每周)
      • '.'yyyy-MM-dd:对应daily(每天)
      • '.'yyyy-MM-dd-a:对应half-daily(每半天)
      • '.'yyyy-MM-dd-HH:对应hourly(每小时)
      • '.'yyyy-MM-dd-HH-mm:对应minutely(每分钟)

JDBCAppender

准备工作:

  • 创建表:
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
CREATE TABLE `log` (
	`log_id` INT(11) NOT NULL AUTO_INCREMENT,
	`project_name` VARCHAR(255) DEFAULT NULL COMMENT '目项名',
	`create_date` VARCHAR(255) DEFAULT NULL COMMENT '创建时间',
	`level` VARCHAR(255) DEFAULT NULL COMMENT '优先级',
	`category` VARCHAR(255) DEFAULT NULL COMMENT '所在类的全名',
	`file_name` VARCHAR(255) DEFAULT NULL COMMENT '输出日志消息产生时所在的文件名称 ',
	`thread_name` VARCHAR(255) DEFAULT NULL COMMENT '日志事件的线程名',
	`line` VARCHAR(255) DEFAULT NULL COMMENT '号行',
	`all_category` VARCHAR(255) DEFAULT NULL COMMENT '日志事件的发生位置',
	`message` VARCHAR(4000) DEFAULT NULL COMMENT '输出代码中指定的消息',
	PRIMARY KEY (`log_id`)
);

添加坐标

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
   <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>5.1.32</version>
        </dependency>

log4j 配置

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 2.4 输出到数据库
log4j.appender.database=org.apache.log4j.jdbc.JDBCAppender
log4j.appender.database.URL=jdbc:mysql://localhost:3306/test
log4j.appender.database.driver=com.mysql.jdbc.Driver
log4j.appender.database.user=root
log4j.appender.database.password=1234
log4j.appender.database.Sql=INSERT INTO log(project_name,create_date,level,category,file_name,thread_name,line,all_category,message) values('czxy','%d{yyyy-MM-dd HH:mm:ss}','%p','%c','%F','%t','%L','%l','%m')
log4j.appender.database.layout=org.apache.log4j.PatternLayout
  • 常见属性:
    • url:数据库连接
    • driver:数据库驱动
    • user:数据库账号
    • password:数据库密码
    • sql:添加日志时执行的插入语句。与值为PatternLayout提供

7.log4j1详情:布局layout

  • 布局器 Layouts用于控制日志输出内容的格式

实现类

描述

org.apache.log4j.HTMLLayout

以HTML表格形式布局

org.apache.log4j.PatternLayout

可以灵活地指定布局模式

org.apache.log4j.SimpleLayout

包含日志信息的级别和信息字符串

org.apache.log4j.TTCCLayout

包含日志产生的时间、线程、类别等等信息

HTMLLayout

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 2.5 将日志以html输出到控制台
log4j.appender.html=org.apache.log4j.ConsoleAppender
log4j.appender.html.Target=System.out
log4j.appender.html.layout=org.apache.log4j.HTMLLayout
log4j.appender.html.layout.title=这是页面标题
log4j.appender.html.layout.locationInfo=false
  • 常见属性:
    • LocationInfo:输出java文件名称和行号,默认值是false。
    • Title:设置html文件标题, 默认值是Log4J Log Messages。

PatternLayout

通过PatternLayout实现类ConversionPattern属性可以设置具体自定义布局。布局格式采用类似 C

语言的 printf 函数的打印格式

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
log4j.appender.file.layout=org.apache.log4j.PatternLayout
log4j.appender.file.layout.ConversionPattern=%d{ABSOLUTE} %5p %c:%L - %m%n

具体的占位符及其含义

占位符

含义

%m

输出代码中指定的日志信息

%p

输出优先级,及 DEBUG、INFO 等

%n

换行符(Windows平台的换行符为 "\r\n",Unix 平台为 "\n")

%r

输出自应用启动到输出该 log 信息耗费的毫秒数

%c

输出打印语句所属的类的全名

%t

输出产生该日志的线程全名

%d

输出服务器当前时间,默认为 ISO8601,也可以指定格式, %d{yyyy年MM月dd日HH:mm:ss} 显示指定的日期格式 %d{ABSOLUTE} 显示时分秒毫秒

%l

输出日志时间发生的位置,包括类名、线程、及在代码中的行数。 如:Test.main(Test.java:10)

%F

输出日志消息产生时所在的文件名称

%L

输出代码中的行号

%%

输出一个 "%" 字符

可以在 % 与字符之间加上修饰符来控制最小宽度、最大宽度和文本的对其方式

%5c

输出category名称,最小宽度是5,category<5,默认的情况下右对齐

%-5c

输出category名称,最小宽度是5,category<5,"-"号指定左对齐,会有空格

%.5c

输出category名称,最大宽度是5,category>5,就会将左边多出的字符截掉,<5不会有空格

%20.30c

category名称<20补空格,并且右对齐,>30字符,就从左边交远销出的字符截掉

EnhancedPatternLayout

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 2.6 增强版自定义布局
log4j.appender.enhanced=org.apache.log4j.ConsoleAppender
log4j.appender.enhanced.Target=System.out
log4j.appender.enhanced.layout=org.apache.log4j.EnhancedPatternLayout
log4j.appender.enhanced.layout.ConversionPattern=%d{ABSOLUTE} %5p %c{1.}:%L - %m%n

8.log4j1详情:自定义记录器

基本语法

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#自定义日志级别
log4j.logger.=日志级别

需求

默认效果:

自定义效果:

基本结构

编写DemoMapper

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
package com.czxy.log.demo.mapper;

import org.apache.log4j.Logger;

/**
 * @author 桐叔
 * @email liangtong@itcast.cn
 * @description
 */
public class DemoMapper {

    private static Logger logger = Logger.getLogger(DemoMapper.class);

    public void find() {
        logger.debug("mapper debug");
        logger.info("mapper info");
        logger.warn("mapper warn");
        logger.error("mapper error");
        System.out.println("查询 mapper");
    }
}

 编写DemoService

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
package com.czxy.log.demo.service;

import com.czxy.log.demo.mapper.DemoMapper;
import org.apache.log4j.Logger;

/**
 * @author 桐叔
 * @email liangtong@itcast.cn
 * @description
 */
public class DemoService {
    private DemoMapper demoMapper = new DemoMapper();

    private static Logger logger = Logger.getLogger(DemoService.class);

    public void find() {
        logger.debug("service debug");
        logger.info("service info");
        logger.warn("service warn");
        logger.error("service error");
        System.out.println("查询service");
        demoMapper.find();
    }
}

编写TestDemo

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
package com.czxy.log.demo;

import com.czxy.log.demo.service.DemoService;

/**
 * @author 桐叔
 * @email liangtong@itcast.cn
 * @description
 */
public class TestDemo {
    public static void main(String[] args) {
        DemoService demoService = new DemoService();
        demoService.find();
    }
}

自定义日志级别

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#log4j.logger.=日志级别
log4j.logger.com.czxy.log.demo.mapper = warn
log4j.logger.com.czxy.log.demo.service = info
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022-12-27,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
基于腾讯云ES混合搜索与TI-ONE部署DeepSeek,快速构建RAG应用
随着数据智能技术的不断发展,以大语言模型(LLM)驱动的AIGC为代表的内容生成技术已经成为企业数据智能能力中不可或缺的一部分。但在实践过程中,LLM(例如ChatGPT)仍存在不少问题,例如信息更新不及时、垂直领域知识匮乏,且可能产生“幻觉”(即生成不准确的内容)等问题。
腾讯QQ大数据
2025/02/18
1500
基于腾讯云ES混合搜索与TI-ONE部署DeepSeek,快速构建RAG应用
基于腾讯云ES混合搜索与TI-ONE部署DeepSeek,快速构建RAG应用
随着数据智能技术的不断发展,以大语言模型(LLM)驱动的AIGC为代表的内容生成技术已经成为企业数据智能能力中不可或缺的一部分。但在实践过程中,LLM(例如ChatGPT)仍存在不少问题,例如信息更新不及时、垂直领域知识匮乏,且可能产生“幻觉”(即生成不准确的内容)等问题。
腾讯云大数据
2025/02/10
2080
基于腾讯云ES混合搜索与TI-ONE部署DeepSeek,快速构建RAG应用
基于腾讯云ES混合搜索与DeepSeek,十分钟构建RAG 应用
本文共计1669字 预计阅读时长6分钟 随着数据智能技术的不断发展,以大语言模型(LLM)驱动的AIGC为代表的内容生成技术已经成为企业数据智能能力中不可或
腾讯QQ大数据
2025/02/03
4.2K0
基于腾讯云ES混合搜索与DeepSeek,十分钟构建RAG 应用
RAG 实践:基于混元大模型与腾讯云ES,十分钟构建你的专属 AI 助手
随着数据智能技术的不断发展,以大语言模型(LLM)驱动的AIGC为代表的内容生成技术已经成为企业数据智能能力中不可或缺的一部分,但传统的内容生成技术存在信息更新不及时、垂直领域知识匮乏、模型幻觉等问题,如何推进大模型在各行业、各业务场景落地是各方普遍关注的问题,而检索增强生成(Retrieval-Augmented Generation,RAG)技术则为此提供了有效的解决方案,成为数据智能时代的一大趋势。
用户10398750
2024/10/16
7620
RAG 实践:腾讯云ES&混元,十分钟构建你的专属 AI 助手
随着数据智能技术的不断发展,以大语言模型(LLM)驱动的 AIGC 为代表的内容生成技术已经成为企业数据智能能力中不可或缺的一部分,但传统的内容生成技术存在信息更新不及时、垂直领域知识匮乏、模型幻觉等问题,如何推进大模型在各行业、各业务场景落地是各方普遍关注的问题,而检索增强生成(Retrieval-Augmented Generation,RAG)技术则为此提供了有效的解决方案,成为数据智能时代的一大趋势。
腾讯QQ大数据
2024/10/10
6640
RAG 实践:腾讯云ES&混元,十分钟构建你的专属 AI 助手
玩转腾讯云HAI:部署DeepSeek,搭配Cherry Studio搭建超酷个人知识库
在当今信息爆炸的时代,搭建一个属于自己的知识库,不仅有助于提高工作效率,还能方便日常学习与生活。本文将详细介绍如何使用腾讯云HAI部署DeepSeek模型,并通过Cherry Studio搭建个人知识库的详细步骤。
Front_Yue
2025/02/10
2.2K3
玩转腾讯云HAI:部署DeepSeek,搭配Cherry Studio搭建超酷个人知识库
腾讯云 HAI DeepSeek + Cherry Studio 搭建个人 AI 知识库
是一个支持多模型服务的桌面客户端,为专业用户而打造,内置 30 多个行业的智能助手,帮助用户在多种场景下提升工作效率。
陈明勇
2025/02/08
95215
腾讯云 HAI DeepSeek +  Cherry Studio 搭建个人 AI 知识库
使用DeepSeek+RAG实现私人知识库
我使用包括 ChatGPT 在内的 AIGC 工具,回答 SAP 相关领域问题时,经常遇到大模型「一本正经的胡说八道」。这种现象的正式术语是大模型的幻觉现象。
编程小妖女
2025/02/07
26.8K17
使用DeepSeek+RAG实现私人知识库
DeepSeek + Ollama + Cherry Studio搭建本地私有知识库
知识库(Knowledge Base)是一个存储和管理知识的系统,通常包含结构化和非结构化的信息,用于帮助用户或系统快速查找和获取相关知识。
AmazingCoder
2025/02/26
4K4
腾讯云 ES:一站式 RAG 方案,开启智能搜索新时代
在大型语言模型(LLM)引领的革命浪潮中,搜索与大模型的紧密结合已成为推动知识进步的关键要素。作为开源搜索引擎排名第一的 Elasticsearch(ES),结合沉淀多年的文本搜索能力和强大的向量检索能力实现混合搜索,使搜索变得更准、更全、更智能。腾讯云 ES 多年来持续对开源 ES 的性能、成本、稳定性以及分布式架构进行深度增强优化,并在海量规模的云业务中接受考验。腾讯云基于 ES 实现了一站式 RAG 解决方案,具备了 RAG 技术规模化落地能力。本次分享将深入探讨腾讯云 ES 在搜索领域的最新探索,详细解析腾讯云 ES 的一站式 RAG 方案,并介绍围绕该方案架构落地所进行的一系列内核性能和稳定性增强优化措施。
腾讯QQ大数据
2024/12/20
1.2K0
腾讯云 ES:一站式 RAG 方案,开启智能搜索新时代
腾讯云智能体开发平台与DeepSeek-R1:企业智能问答平台的构建实践
随着人工智能技术的迅猛发展,大型语言模型已成为企业数字化转型的重要工具。腾讯云智能体开发平台(LLM Knowledge Engine,简称LKE)作为面向企业客户及合作伙伴的知识应用构建平台,结合企业专属数据,能够高效构建知识问答等应用。而DeepSeek作为国内领先的大语言模型,以其卓越的表现在众多场景展现出巨大的应用潜力。本文将深入探讨如何利用腾讯云智能体开发平台与DeepSeek-R1模型,为企业构建高效、精准的智能问答平台。
用户10266550
2025/03/09
3740
AI时代的阅读革新!微信读书基于腾讯云ES的“AI问书”RAG最佳实践
当我们需要深入了解一个知识点时,我们可能会通过阅读大量的书籍进行总结,或者是通过浏览器搜索相关的文章,不论是哪种方式,都需要我们花很多时间去进行知识过滤与提取,那么,有没有一个方案,能够让我们能够快速的了解该知识点的含义,并标注来源与作者以及进行关联内容推荐呢?
腾讯QQ大数据
2024/07/01
1.1K0
AI时代的阅读革新!微信读书基于腾讯云ES的“AI问书”RAG最佳实践
腾讯云ES RAG最佳实践:百行代码轻松实现帮助文档的智能问答
腾讯云大数据Elasticsearch Service首发上线ES 8.8.1版本,提供强大的云端AI增强与向量检索能力,支持在端到端搜索与分析平台中实现自然语言处理、向量搜索以及与大模型的集成,10亿级向量检索平均响应延迟控制在毫秒级,助力客户实现由AI驱动的高级搜索能力,为搜索与分析带来全新的前沿体验。本文将结合腾讯云ES与ChatGPT,演示如何通过百行代码轻松实现ES帮助文档的智能问答系统。
腾讯QQ大数据
2023/11/18
1.1K1
腾讯云ES RAG最佳实践:百行代码轻松实现帮助文档的智能问答
腾讯云ES AI增强搜索:十分钟快速入门自然语言处理(NLP)与向量检索
| 导语 本文从腾讯云ES AI增强搜索相关能力介绍出发,通过集群部署、模型上传、效果验证等全流程演示,从零到一完成基于腾讯云ES的自然语言处理(NLP)与向量检索实践。
腾讯QQ大数据
2023/11/24
1.1K1
腾讯云ES AI增强搜索:十分钟快速入门自然语言处理(NLP)与向量检索
腾讯云DeepSeek开发RAG应用
这篇文章主要是面向初级开发者,适合初学者、没有接触过大模型开发的小白、没有基础想学大模型RAG开发的按照该教程也能踏入开发第一步。主要是介绍通过腾讯云提供的deepseek资源和线上环境,开发一个基于deepseek的RAG系统。RAG开发框架使用的是lamaindex,大模型使用deepseek32B,向量模型使用milkey/dmeta-embedding-zh:f16,rag程序根据给定的txt文件内容进行问答,输入exit退出问答。
用户8800822
2025/03/05
5220
腾讯云DeepSeek开发RAG应用
HAI + Dify | 耗资1元构建DeepSeek门诊导诊助手
HAI HAI HAI!腾讯云CPU版1元限时体验活动它来了。AI时代依赖的就是算力资源,当我们还在因为自己电脑配置跟不上而苦恼的时候,不妨试一下HAI。
叫我阿柒啊
2025/03/31
5444
HAI + Dify |  耗资1元构建DeepSeek门诊导诊助手
基于HAI + DeepSeek-R1 + AnythingLLM快速搭建自己的个人知识库
我之前曾经介绍基于腾讯云HAI,在几分钟快速部署一个属于自己的DeepSekk-R1大模型。这里就不再过多描述部署步骤了
算法一只狗
2025/02/06
3K0
基于腾讯云HAI-CPU部署DeepSeek:搭建图书馆知识库,赋能智慧图书馆建设
在信息技术日新月异的大背景下,数字化浪潮以汹涌之势席卷了各个领域,图书馆作为信息资源的重要集散地,也迎来了前所未有的变革。随着社会对知识和信息需求的不断增长,传统图书馆在资源提供、服务模式、管理方式等方面的局限性逐渐凸显,难以满足现代读者多样化和个性化的需求。
Front_Yue
2025/03/16
4881
基于腾讯云HAI-CPU部署DeepSeek:搭建图书馆知识库,赋能智慧图书馆建设
疫情之后规模最大!武汉站Meetup,腾讯云与Elastic共绘ES在AI时代搜索技术新蓝图!
武汉,2024年3月30日 — 在这个春意盎然的季节,由腾讯云和Elastic社区联合主导的,Elastic Meetup武汉站活动成功在汤逊湖畔,腾讯武汉研发中心举办,标志着疫情后最大规模的Elastic Meetup的圆满结束。这次活动不仅是技术交流的盛宴,更是腾讯云ES在当前火热的AI、向量搜索领域深耕细作的一个缩影,也是腾讯云与Elastic社区紧密合作的生动体现。
腾讯QQ大数据
2024/04/30
2110
疫情之后规模最大!武汉站Meetup,腾讯云与Elastic共绘ES在AI时代搜索技术新蓝图!
私有化搭建、本地知识库、可联网查询、具备RAG能力的私人DeepSeek
以上方式在云端产品上实现 DeepSeek 的私有化部署,除此之外,也可以部署安装在本地机器上,如个人PC电脑、内网电脑等环境。
参谋带个长
2025/02/15
3.3K0
推荐阅读
基于腾讯云ES混合搜索与TI-ONE部署DeepSeek,快速构建RAG应用
1500
基于腾讯云ES混合搜索与TI-ONE部署DeepSeek,快速构建RAG应用
2080
基于腾讯云ES混合搜索与DeepSeek,十分钟构建RAG 应用
4.2K0
RAG 实践:基于混元大模型与腾讯云ES,十分钟构建你的专属 AI 助手
7620
RAG 实践:腾讯云ES&混元,十分钟构建你的专属 AI 助手
6640
玩转腾讯云HAI:部署DeepSeek,搭配Cherry Studio搭建超酷个人知识库
2.2K3
腾讯云 HAI DeepSeek + Cherry Studio 搭建个人 AI 知识库
95215
使用DeepSeek+RAG实现私人知识库
26.8K17
DeepSeek + Ollama + Cherry Studio搭建本地私有知识库
4K4
腾讯云 ES:一站式 RAG 方案,开启智能搜索新时代
1.2K0
腾讯云智能体开发平台与DeepSeek-R1:企业智能问答平台的构建实践
3740
AI时代的阅读革新!微信读书基于腾讯云ES的“AI问书”RAG最佳实践
1.1K0
腾讯云ES RAG最佳实践:百行代码轻松实现帮助文档的智能问答
1.1K1
腾讯云ES AI增强搜索:十分钟快速入门自然语言处理(NLP)与向量检索
1.1K1
腾讯云DeepSeek开发RAG应用
5220
HAI + Dify | 耗资1元构建DeepSeek门诊导诊助手
5444
基于HAI + DeepSeek-R1 + AnythingLLM快速搭建自己的个人知识库
3K0
基于腾讯云HAI-CPU部署DeepSeek:搭建图书馆知识库,赋能智慧图书馆建设
4881
疫情之后规模最大!武汉站Meetup,腾讯云与Elastic共绘ES在AI时代搜索技术新蓝图!
2110
私有化搭建、本地知识库、可联网查询、具备RAG能力的私人DeepSeek
3.3K0
相关推荐
基于腾讯云ES混合搜索与TI-ONE部署DeepSeek,快速构建RAG应用
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验