1. 引言为什么需要 logging在 Python 开发中print()语句是调试和追踪程序运行的常用手段但它存在诸多局限信息混杂调试信息与程序输出混杂难以区分。缺乏分级无法区分调试、信息、警告、错误等不同重要性的消息。难以持久化控制台输出关闭即消失无法回溯历史问题。性能影响生产环境中大量print()会影响性能。Python 标准库中的logging模块为此提供了企业级的解决方案。它允许开发者以灵活、可配置的方式记录日志支持分级、多输出目标、格式化以及运行时动态调整是构建健壮、可维护应用程序的基石。2. logging 模块的核心概念2.1 日志级别 (Logging Levels)logging定义了 6 个标准级别按严重性递增级别数值何时使用DEBUG10详细的调试信息通常仅在开发时使用。INFO20确认程序按预期运行的一般信息。WARNING30表示发生了意外情况但程序仍能继续运行。ERROR40由于更严重的问题程序某些功能已无法执行。CRITICAL50严重的错误可能导致程序崩溃。NOTSET0表示不设置级别用于捕获所有日志。2.2 四大组件Logger应用程序直接调用的接口。每个 logger 都有一个名称通常按模块层级组织如__name__。Handler决定日志的去向控制台、文件、网络等。一个 logger 可以添加多个 handler。Formatter定义日志输出的最终格式时间、级别、消息内容等。Filter提供比级别更细粒度的日志过滤控制。3. 快速上手基础用法3.1 最简单的日志记录importlogging# 默认使用 root logger级别为 WARNINGlogging.debug(这是一条调试信息)# 不会输出logging.info(这是一条普通信息)# 不会输出logging.warning(这是一条警告信息)# 会输出WARNING:root:这是一条警告信息logging.error(这是一条错误信息)# 会输出ERROR:root:这是一条错误信息3.2 配置基础日志importlogging# 设置全局日志级别为 DEBUGlogging.basicConfig(levellogging.DEBUG)logging.debug(现在可以看到了)# 输出DEBUG:root:现在可以看到了basicConfig是快速配置 root logger 的便捷方法但功能有限。对于复杂应用建议使用更灵活的配置方式。4. 进阶配置灵活控制日志4.1 配置日志输出到文件importlogging logging.basicConfig(levellogging.DEBUG,format%(asctime)s - %(name)s - %(levelname)s - %(message)s,handlers[logging.FileHandler(app.log),# 输出到文件logging.StreamHandler()# 同时输出到控制台])loggerlogging.getLogger(__name__)logger.info(程序启动)4.2 使用字典或配置文件推荐logging.config.dictConfig允许使用 Python 字典进行复杂配置易于管理和版本控制。config.yaml(或 config.json):version:1formatters:standard:format:%(asctime)s [%(levelname)s] %(name)s: %(message)shandlers:console:class:logging.StreamHandlerlevel:INFOformatter:standardstream:ext://sys.stdoutfile:class:logging.handlers.RotatingFileHandlerlevel:DEBUGformatter:standardfilename:app.logmaxBytes:10485760# 10MBbackupCount:5loggers:my_module:level:DEBUGhandlers:[console,file]propagate:noroot:level:INFOhandlers:[console]Python 代码加载配置:importlogging.configimportyamlwithopen(config.yaml,r)asf:configyaml.safe_load(f)logging.config.dictConfig(config)loggerlogging.getLogger(my_module)logger.debug(配置化日志生效)5. 最佳实践与高级技巧5.1 按模块组织 Logger使用__name__作为 logger 名称可以自动反映模块层次结构便于过滤和管理。# 在 module_a.py 中importlogging loggerlogging.getLogger(__name__)# 名称为 module_adefdo_something():logger.info(正在执行 module_a 的任务)5.2 使用 RotatingFileHandler 防止日志爆炸当日志文件过大时自动分割和归档。fromlogging.handlersimportRotatingFileHandler handlerRotatingFileHandler(app.log,maxBytes5*1024*1024,backupCount3)5.3 结构化日志记录关键避免简单的字符串拼接使用extra参数或第三方库如structlog记录结构化数据便于后续的日志分析如导入 ELK、Splunk。importlogging loggerlogging.getLogger(__name__)user_id12345actionloginip192.168.1.1# 传统方式不推荐logger.info(fUser{user_id}performed{action}from{ip})# 结构化方式推荐logger.info(User action,extra{user_id:user_id,action:action,ip:ip})# 配置 formatter 时可以使用 %(user_id)s 来引用5.4 异常日志记录使用logger.exception()或在logging.error()中传入exc_infoTrue可以自动记录异常的堆栈跟踪。try:1/0exceptZeroDivisionError:logger.exception(发生了除零错误)# 会自动记录完整的 traceback6. 常见陷阱与解决方案重复日志确保propagate设置正确防止日志被父 logger 重复处理。性能开销在生产环境中避免在循环或高频调用中使用DEBUG级别。配置时机basicConfig()只在第一次调用时生效且应在所有其他日志操作之前调用。线程安全logging模块是线程安全的但在多进程环境中需要额外处理例如每个进程单独配置。7. 总结Python 的logging模块是一个强大而灵活的工具。从简单的脚本到复杂的分布式系统合理的日志记录是保障软件可观察性、可调试性和可维护性的关键。核心要点回顾使用basicConfig快速开始但复杂项目应转向dictConfig。按模块 (__name__) 创建 logger实现精细控制。优先输出到文件并使用RotatingFileHandler管理文件大小。记录结构化数据而不仅仅是文本为日志分析打下基础。合理设置日志级别平衡信息量与性能。掌握logging模块让你的代码不仅能运行更能被清晰地理解和监控。