系统日志和服务器日志有啥区别

Posted 2023-03-20

如题。

系统日志：记录系统中硬件、软件和系统问题的信息，同时还可以监视系统中发生的事件。用户可以通过它来检查错误发生的原因，或者寻找受到攻击时攻击者留下的痕迹。 服务器日志主要包括访问日志和错误日志。与IIS的日志类似，访问日志记录了该服务器所有的请求的过程，主要记录的是客户的各项信息，如访问时间、内容、地址等。错误日志则记录服务器出错的细节等数据。 参考技术A 系统日志：记录系统中硬件、软件和系统问题的信息，同时还可以监视系统中发生的事件。用户可以通过它来检查错误发生的原因，或者寻找受到攻击时攻击者留下的痕迹。 服务器日志主要包括访问日志和错误日志。与IIS的日志类似，访问日志记录了该服务器所有的请求的过程，主要记录的是客户的各项信息，如访问时间、内容、地址等。错误日志则记录服务器出错的细节等数据

“日志”和“符号日志”有啥区别？

【中文标题】“日志”和“符号日志”有啥区别？

【英文标题】：What is the difference between 'log' and 'symlog'?“日志”和“符号日志”有什么区别？

【发布时间】：2011-03-19 08:45:19

【问题描述】：

在matplotlib 中，我可以使用pyplot.xscale() 或Axes.set_xscale() 设置轴缩放。这两个函数都接受三种不同的比例：'linear' | 'log' | 'symlog'.

'log' 和 'symlog' 有什么区别？在我做的一个简单测试中，它们看起来完全一样。

我知道文档说它们接受不同的参数，但我仍然不明白它们之间的区别。有人可以解释一下吗？如果有一些示例代码和图形，答案将是最好的！ （另外：“symlog”这个名字是从哪里来的？）

【参考方案1】：

我终于抽出时间做了一些实验，以了解它们之间的区别。以下是我的发现：

log 只允许正值，并允许您选择如何处理负值（mask 或 clip）。 symlog 表示对称对数，允许正值和负值。 symlog 允许在图中设置零附近的范围将是线性的而不是对数的。

我认为通过图形和示例，一切都会变得更容易理解，所以让我们尝试一下：

import numpy
from matplotlib import pyplot

# Enable interactive mode
pyplot.ion()

# Draw the grid lines
pyplot.grid(True)

# Numbers from -50 to 50, with 0.1 as step
xdomain = numpy.arange(-50,50, 0.1)

# Plots a simple linear function 'f(x) = x'
pyplot.plot(xdomain, xdomain)
# Plots 'sin(x)'
pyplot.plot(xdomain, numpy.sin(xdomain))

# 'linear' is the default mode, so this next line is redundant:
pyplot.xscale('linear')

# How to treat negative values?
# 'mask' will treat negative values as invalid
# 'mask' is the default, so the next two lines are equivalent
pyplot.xscale('log')
pyplot.xscale('log', nonposx='mask')

# 'clip' will map all negative values a very small positive one
pyplot.xscale('log', nonposx='clip')

# 'symlog' scaling, however, handles negative values nicely
pyplot.xscale('symlog')

# And you can even set a linear range around zero
pyplot.xscale('symlog', linthreshx=20)

为了完整起见，我使用以下代码来保存每个图：

# Default dpi is 80
pyplot.savefig('matplotlib_xscale_linear.png', dpi=50, bbox_inches='tight')

请记住，您可以使用以下方法更改图形大小：

fig = pyplot.gcf()
fig.set_size_inches([4., 3.])
# Default size: [8., 6.]

（如果您不确定我是否会回答我自己的问题，请阅读this）

【讨论】：

参数改变了，现在需要用参数“linthresh”而不是“linthreshx”btw调用。

【参考方案2】：

symlog 类似于 log，但允许您定义接近零的值范围，在该范围内绘图是线性的，以避免绘图在零附近趋于无穷大。

来自http://matplotlib.sourceforge.net/api/axes_api.html#matplotlib.axes.Axes.set_xscale

在对数图中，你永远不可能有一个零值，如果你有一个接近零的值，它会从你的图表底部向下飙升（无限向下），因为当你取“log（接近零)”你得到“接近负无穷大”。

symlog 会在您想要一个日志图的情况下为您提供帮助，但是当值有时可能会下降到或为零时，但您仍然希望能够在图表上以有意义的方式显示它大大地。如果你需要 symlog，你会知道的。

【讨论】：

嗯...我读到了，但我仍然不知道什么时候应该使用一个或另一个。我期待某种图形示例，这样我实际上可以看到 symlog 试图解决的问题是什么。

【参考方案3】：

以下是需要 symlog 时的行为示例：

初始绘图，未缩放。注意有多少点聚集在 x~0

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

[ '

对数比例图。一切都崩溃了。

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

    ax.set_xscale('log')
    ax.set_yscale('log')
    ax.set(xlabel='Score, log', ylabel='Total Amount Deposited, log')

'

它为什么崩溃了？因为 x 轴上的某些值非常接近或等于 0。

Symlog 比例图。一切都应该如此。

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

    ax.set_xscale('symlog')
    ax.set_yscale('symlog')
    ax.set(xlabel='Score, symlog', ylabel='Total Amount Deposited, symlog')