ray.serve.schema.LoggingConfig#

class ray.serve.schema.LoggingConfig(*, encoding: str | EncodingType = None, log_level: int | str = 'INFO', logs_dir: str | None = None, enable_access_log: bool = True)[源代码]#

基类：BaseModel

用于配置服务组件日志的日志配置架构。

示例

from ray import serve
from ray.serve.schema import LoggingConfig
# Set log level for the deployment.
@serve.deployment(LoggingConfig(log_level="DEBUG"))
class MyDeployment:
    def __call__(self) -> str:
        return "Hello world!"
# Set log directory for the deployment.
@serve.deployment(LoggingConfig(logs_dir="/my_dir"))
class MyDeployment:
    def __call__(self) -> str:
        return "Hello world!"

PublicAPI (alpha): 此API处于alpha阶段，可能在稳定之前发生变化。

方法

`__init__`	通过解析和验证来自关键字参数的输入数据来创建一个新模型。
`construct`	从受信任或预验证的数据中创建一个新的模型设置 __dict__ 和 __fields_set__。
`copy`	复制一个模型，可以选择性地包含、排除和更改哪些字段。
`dict`	生成模型的字典表示，可以选择性地指定要包含或排除的字段。
`json`	生成模型的 JSON 表示，`include` 和 `exclude` 参数按照 `dict()` 的方式处理。
`update_forward_refs`	尝试根据此模型、globalns 和 localns 更新字段上的 ForwardRefs。

属性

`encoding`
`log_level`
`logs_dir`
`enable_access_log`