با مجموعهها، منظم بمانید
ذخیره و دستهبندی محتوا براساس اولویتهای شما.
در این قسمت، ما برخی از داده های سفارشی را در Google Cloud Logging ثبت می کنیم. ما از طریق یک مثال پایتون که از یک رهگیر gRPC سفارشی برای استخراج داده‌های درخواست و پاسخ و همچنین برخی ابرداده‌ها مانند وضعیت موفقیت و زمان سپری شده در گزارش‌های سفارشی استفاده می‌کند، می‌پردازیم. سپس آن گزارش‌ها را با استفاده از Google Cloud Logging API به ابر ارسال می‌کنیم.
تاریخ آخرین به‌روزرسانی 2024-10-25 به‌وقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین به‌روزرسانی 2024-10-25 به‌وقت ساعت هماهنگ جهانی."],[[["This episode demonstrates how to log custom data to Google Cloud Logging using Python."],["The example uses a gRPC interceptor to capture request/response data, success status, and elapsed time for logging."],["Custom logs are generated and sent to Google Cloud using the Google Cloud Logging API."]]],[]]
