Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
Hieronder kan je kiezen welke cookies je wilt inschakelen:
Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
We gebruiken cookies om:
De website vlot te laten werken, de beveiliging te verbeteren en fraude te voorkomen
Inzicht te krijgen in het gebruik van de website, om zo de inhoud en functionaliteiten ervan te verbeteren
Je op externe platformen de meest relevante advertenties te kunnen tonen
Je cookievoorkeuren
Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
Hieronder kan je kiezen welke cookies je wilt inschakelen:
Technische en functionele cookies
Deze cookies zijn essentieel om de website goed te laten functioneren, en laten je toe om bijvoorbeeld in te loggen. Je kan deze cookies niet uitschakelen.
Analytische cookies
Deze cookies verzamelen anonieme informatie over het gebruik van onze website. Op die manier kunnen we de website beter afstemmen op de behoeften van de gebruikers.
Marketingcookies
Deze cookies delen je gedrag op onze website met externe partijen, zodat je op externe platformen relevantere advertenties van Standaard Boekhandel te zien krijgt.
Je kan maximaal 250 producten tegelijk aan je winkelmandje toevoegen. Verwijdere enkele producten uit je winkelmandje, of splits je bestelling op in meerdere bestellingen.
Mithilfe von Logging-Maßnahmen können Unregelmäßigkeiten im System frühzeitig erkannt und Daten, die aufgrund eines Fehlers verloren gegangen sind, schnell wiederhergestellt werden. Dieser shortcut blickt auf verschiedene Applikationsbeispiele im Bereich Logging. Kapitel 1 befasst sich mit dem Logaggregator Apache Flume. Dieses verteilt arbeitende System sammelt, aggregiert und bewegt große Mengen an Logdaten. Es wird ein Vergleich zwischen Apache Flume und logstash herangezogen. Im zweiten Kapitel wird Apache Log4j 2.0 mitsamt seiner Highlights vorgestellt. Dabei stellt der Autor den Mehrwert des Frameworks gegenüber anderen Projekten heraus. Als Abschluss zeigt Kapitel 3 den Einsatz von Annotationen und Aspekten auf Basis von Spring und AspectJ zur Refaktorisierung von Legacy-Code und veranschaulicht diesen anhand einer Beispielklasse.