zhouzhongping/wiki
1
0
Fork 0
Code

Python: logging 日志记录工具

Browse Source
This commit is contained in:
周中平 2023-10-20 11:22:41 +08:00
parent c08c12a5e7
commit 56f57badeb
Signed by: zhouzhongping
GPG Key ID: 6666822800008000
1 changed files with 477 additions and 0 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

477
wiki/programming-language/Python/进阶/拓展模块/系统交互/logging 日志记录工具.md Normal file
View File

@ -0,0 +1,477 @@
---
title： logging 日志记录工具
description： 全面介绍了Python标准库logging模块的用法，包括理论知识和代码示例
keywords：
- Python
- logging
- 日志
tags：
- Python
- logging
- 日志处理
sidebar_position： 4
author： 7Wate
date： 2023-10-20
---
## 简介
**logging 模块是 Python 标准库里提供的日志功能组件，它是在开发过程中实现日志记录的推荐方式。**logging 模块主要包含四个组件：Logger、Handler、Filter 和 Formatter。通过它们的协作可以快速实现对日志的控制和处理。
## 组件
### Logger
**Logger 是日志模块中最基本的组件，它负责生成和分类日志。**在应用代码中，我们可以通过 getLogger 方法获取 Logger 对象，主要有两种获取方式：
```python
import logging
# 1. 不指定 Logger 名称，返回 root Logger
logger1 = logging.getLogger()
# 2. 指定名称获取 Logger
logger2 = logging.getLogger('test')
```
### Handler
**Handler 用于指定 Logger 生成的日志消息应发送到哪个目标输出**，常用的 Handler 有两种：
- **StreamHandler**：输出到流，如 sys.stdout、sys.stderr
- **FileHandler**：输出到文件
我们可以通过 Logger 对象的 addHandler 方法将 Handler 与 Logger 关联起来：
```python
logger = logging.getLogger('test')
# 创建一个 Handler，用于写入日志文件
fh = logging.FileHandler('test.log')
# 给 logger 添加 Handler
logger.addHandler(fh)
```
### Filter
**Filter 用于提供复杂的日志过滤功能，可以用来过滤 INFO、DEBUG 等不同级别的日志。**根据需求，我们可以通过 logger.addFilter 将过滤器加到 logger 或者 handler 里。
```python
# 只记录 ERROR 及以上级别的日志
class ErrorFilter(logging.Filter):
def filter(self, record):
return record.levelno >= logging.ERROR
logger.addFilter(ErrorFilter())
```
### Formatter
**Formatter 用于控制日志信息的最终输出格式。**我们可以指定日志不同部分的显示格式，如时间、代码位置、日志消息等。
```python
# 指定日志格式
formatter = logging.Formatter('[%(levelname)s] %(asctime)s - %(message)s')
handler.setFormatter(formatter)
```
## 基础配置
我们可以通过字典或文件的方式配置 logging 模块。
### dictConfig 配置
```python
import logging.config
config_dict = {
'version': 1,
'formatters': {
'simple': {
'format': '[%(levelname)s] %(asctime)s - %(message)s'
}
},
'handlers': {
'console': {
'class': 'logging.StreamHandler',
'level': 'DEBUG',
'formatter': 'simple'
},
'file': {
'class': 'logging.FileHandler',
'filename': 'test.log',
'formatter': 'simple'
}
},
'root': {
'level': 'DEBUG',
'handlers': ['console', 'file']
}
}
logging.config.dictConfig(config_dict)
```
### fileConfig 配置
将配置字典写入 json 或 yaml 文件，通过 fileConfig 函数加载：
```python
import logging.config
logging.config.fileConfig('config.yaml')
```
### 配置参数
logging 模块的配置参数较多，主要包括以下方面：
| 参数 | 说明 |
| :----------------------- | :--------------------------------------- |
| version | 配置字典的版本，目前为 1 |
| disable_existing_loggers | 是否禁用已存在的其他日志器，默认 False |
| formatters | 定义日志信息的格式化样式 |
| filters | 定义过滤日志信息的过滤器 |
| handlers | 定义日志的处理方法以及目标位置 |
| loggers | 定义具体的日志器并绑定处理器和过滤器 |
| root | 根日志器配置，其配置会应用到所有日志器上 |
loggers 配置参数：
| 参数 | 说明 |
| :-------- | :--------------------------- |
| level | 日志器接收的日志级别 |
| handlers | 绑定的日志处理器 |
| filters | 绑定的日志过滤器 |
| propagate | 是否传递给父日志器，默认True |
handlers 常用参数：
| 参数 | 说明 |
| :-------- | :------------------------------------------- |
| class | 指定处理器类，如FileHandler、StreamHandler等 |
| level | 处理器的日志级别 |
| formatter | 用于格式化日志的 Formatter |
| args | 处理器初始化参数，如文件名等 |
formatters 参数：
| 参数 | 说明 |
| :------ | :--------------------- |
| format | 指定日志输出格式的模板 |
| datefmt | 格式化时间的格式字符串 |
| style | 输出样式，如'{'和'$'等 |
## 模块用法
```mermaid
graph TB
START(开始)-->Choose_Logger[选择Logger]
Choose_Logger-->|内置Logger|Use_Builtin[使用Python内置Logger]
Choose_Logger-->|自定义Logger|Define_Logger[定义自定义Logger]
Define_Logger-->Set_Level[设置日志级别<br>如DEBUG,INFO等]
Define_Logger-->Create_Handler[创建Handler<br>如FileHandler,<br>StreamHandler等]
Set_Level-->Create_Handler
Create_Handler-->Set_Format[设置日志格式]
Set_Format-->Add_Handler[添加Handler到Logger]
Use_Builtin-->Set_Level
Use_Builtin-->Create_Handler
Add_Handler--> USE[使用Logger记录日志]
USE-->END(结束)
```
### 日志级别
logging 模块总共定义了 6 个级别的日志，按照严重程度从低到高排列如下：
| 级别 | 数值 | 说明 |
| :------- | :--- | :------------------------------------------------- |
| DEBUG | 10 | 最详细的调试信息 |
| INFO | 20 | 确认一切运行正常 |
| WARNING | 30 | 表示出现异常，但尚未影响程序运行 |
| ERROR | 40 | 由于更严重的问题，程序的某些功能已经不能正常运行了 |
| CRITICAL | 50 | 严重错误，程序可能无法继续运行 |
在代码中记录日志时，我们可以根据需要的日志级别选择合适的函数，比如：
```python
import logging
logging.debug('detailed debug info')
logging.info('program running info')
logging.warning('warning occurred')
logging.error('error occurred')
logging.critical('critical error')
```
日志级别可用于控制日志的输出粒度，通过设置级别参数可以只输出大于或等于该级别的日志。
### 日志输出
logging 模块支持通过多种 Handler 将日志输出到不同的位置，常见的有两种：
#### 输出到控制台
```python
import logging
# create logger
logger = logging.getLogger('simple_example')
logger.setLevel(logging.DEBUG)
# create console handler and set level to debug
ch = logging.StreamHandler()
ch.setLevel(logging.DEBUG)
# create formatter
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
# add formatter to ch
ch.setFormatter(formatter)
# add ch to logger
logger.addHandler(ch)
# 'application' code
logger.debug('debug message')
logger.info('info message')
logger.warning('warn message')
logger.error('error message')
logger.critical('critical message')
```
#### 输出到文件
```python
import logging
# 创建 logger
logger = logging.getLogger('simple_example')
logger.setLevel(logging.DEBUG)
# 创建一个向文件输出的 handler
fh = logging.FileHandler('test.log')
fh.setLevel(logging.DEBUG)
# 创建 formatter
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
# 添加 formatter 到 fh
fh.setFormatter(formatter)
# 添加 fh 到 logger
logger.addHandler(fh)
# 日志输出
logger.debug('debug message')
logger.info('info message')
logger.warning('warn message')
logger.error('error message')
logger.critical('critical message')
```
此外，还可以通过 SocketHandler 进行网络日志，通过 MemoryHandler 将日志输出到内存等。
### 日志格式化
logging 模块允许自定义日志的输出格式，方便阅读和分析。主要通过 Formatter 实现。
```python
# 自定义格式
# 2023-02-28 15：50：07，431 - myapp.utils - INFO - User signed in successfully [in /path/to/utils.py：456]
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s [in %(pathname)s：%(lineno)d]')
handler.setFormatter(formatter)
```
Formatter 使用的格式字符串类似于 C 语言的 printf 格式，可以包含以下字段：
| 字段 | 说明 |
| :-------- | :---------------------------------------------- |
| asctime | 日志事件发生时间，如 2023-02-28 15：49：23，895 |
| levelname | 日志级别的文本表示，如 INFO、ERROR 等 |
| levelno | 日志级别的数值，如 20、40 等 |
| message | 日志消息文本 |
| pathname | 调用日志输出函数的源代码文件路径 |
| filename | pathname 的文件名部分 |
| module | 文件名的模块名部分 |
| funcName | 调用日志输出函数的函数名 |
| lineno | 调用日志输出函数的源代码行号 |
| thread | 线程 ID |
| process | 进程 ID |
### 日志高级功能
#### 日志回滚
通过 RotatingFileHandler 可以实现日志文件回滚，即当日志文件达到一定大小时自动生成新文件。
```python
handler = RotatingFileHandler('test.log', maxBytes=1024, backupCount=5)
```
#### 日志分割
它可以设置最大字节数和备份文件的数量，超过这些限制之后就会生成新的日志文件。通过 TimedRotatingFileHandler 可以实现日志文件按时间分割。
```python
handler = TimedRotatingFileHandler('test.log', when='D', interval=1)
```
通过 when 参数可以设置按日、周、月等时间间隔进行切割，interval 参数设置时间间隔大小。
## 最佳实践
### 根据应用场景配置 logging 模块
不同的 Python 应用场景需要不同的日志方案：
- 小型命令行程序：直接输出到 stdout
- 大型项目：输出到日志文件，同时进行错误提醒、日志分割等
- 分布式系统：实现集中式日志，结合 ELK 等日志分析系统
选择合适的 logging 功能组合。
### 与项目架构相结合
logging 模块要与项目的架构设计相结合，比如：
- 对 Django 项目进行专门的 Logging 设置
- 对 Flask 项目使用 dictsConfig 进行配置
- 对于大型项目，创建一个 log.py 统一处理日志
### 可选的日志收集工具
可以结合日志收集系统，实现可视化分析，如 ELK(ElasticSearch + Logstash + Kibana)组合。
### 日志的性能优化
- 通过配置只记录必要的日志级别，不记录无用日志
- 将调试日志单独记录到一个文件
- 避免频繁字符串拼接，使用参数化格式
- 控制日志文件大小和滚动频率
## 实战练习
### 标准日志模块的配置示范
```python
# log_config.py
import logging
import logging.config
# 日志配置字典
config_dict = {
# 版本配置
'version': 1,
# 配置日志格式化器
'formatters': {
# 简单日志格式
'simple': {
'format': '[%(asctime)s] [%(levelname)s] %(message)s'
},
# 复杂日志格式
'complex': {
'format': '[%(asctime)s] [%(levelname)s] [%(name)s] [%(filename)s %(funcName)s %(lineno)d] %(message)s'
}
},
# 配置日志处理器
'handlers': {
# 控制台日志
'console': {
'class': 'logging.StreamHandler',
'level': 'DEBUG',
'formatter': 'simple'
},
# 文件日志
'file': {
'class': 'logging.FileHandler',
'filename': 'app.log',
'mode': 'a',
'formatter': 'complex'
}
},
# 配置日志器
'loggers': {
# 应用日志器
'app': {
'handlers': ['console', 'file'],
'level': 'DEBUG',
}
}
}
if __name__ == '__main__':
# 加载配置字典
logging.config.dictConfig(config_dict)
# 获取日志器并输出日志
logger = logging.getLogger('app')
logger.debug('This is a debug message')
```
以上实现了一个标准的日志配置，输出到控制台和文件，并使用不同的格式器，包含日志实践中的常见操作。
### 小型项目中添加日志
以一个小型的 Web 项目为例：
```python
import logging
# 创建日志器
logger = logging.getLogger('myweb')
# 创建控制台处理器并设置级别
ch = logging.StreamHandler()
ch.setLevel(logging.INFO)
# 添加格式器
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
ch.setFormatter(formatter)
# 将处理器添加到日志器
logger.addHandler(ch)
# 记录一条日志
logger.info('Starting myweb server...')
```
代码中创建日志器、添加处理器、设置格式后，就可以在项目代码任何地方使用 logger.info、logger.debug 等记录日志，从而方便地添加日志功能。
### 尝试优化项目日志的性能
优化日志性能的常见做法：
- 通过配置文件配置日志，不要在代码里反复配置
- 设置生产环境只记录必要的日志级别，如 WARNING 以上
- ERROR 日志单独记录到文件，便于定位问题
- DEBUG 日志可以使用内存 Handler，避免 IO 消耗
- 使用异步日志，避免影响程序性能
- 合理设置日志滚动策略，避免文件过大
## 扩展学习
### 其他日志框架的比较(Loguru、log4j 等)
logging 模块作为标准库，用法简单，但需要自行处理诸如异步、日志分割等额外功能。一些第三方日志库如 loguru、log4j 等提供了更多实用功能的封装，可以根据需求选择。
### 分布式系统日志收集方案
在分布式系统中，可以通过将日志发送到消息队列如 Kafka，然后由 Logstash 收集存储到 ElasticSearch 中，最后结合 Kibana 进行日志分析和可视化。也可以直接使用 ELK 提供的 Filebeat 代替 Logstash 从日志文件中收集日志。