對一名開發(fā)者來說最糟糕的情況，莫過于要弄清楚一個不熟悉的應(yīng)用為何不工作。有時候，你甚至不知道系統(tǒng)運行，是否跟原始設(shè)計一致。

在線運行的應(yīng)用就是黑盒子，需要被跟蹤監(jiān)控。最簡單也最重要的方式就是記錄日志。記錄日志允許我們在開發(fā)軟件的同時，讓程序在系統(tǒng)運行時發(fā)出信息，這些信息對于我們和系統(tǒng)管理員來說都是有用的。

就像為將來的程序員寫代碼文檔一樣，我們應(yīng)該讓新軟件產(chǎn)生足夠的日志供系統(tǒng)的開發(fā)者和管理員使用。日志是關(guān)于應(yīng)用運行狀態(tài)的系統(tǒng)文件的關(guān)鍵部分。給軟件加日志產(chǎn)生句時，要向給未來維護(hù)系統(tǒng)的開發(fā)者和管理員寫文檔一樣。

一些純粹主義者認(rèn)為一個受過訓(xùn)練的開發(fā)者使用日志和測試的時候幾乎不需要交互調(diào)試器。如果我們不能用詳細(xì)的日志解釋開發(fā)過程中的應(yīng)用，那么當(dāng)代碼在線上運行的時候，解釋它們會變得更困難。

這篇文章介紹了 Python 的 logging 模塊，包括它的設(shè)計以及針對更多復(fù)雜案例的適用方法。這篇文章不是寫給開發(fā)者的文檔，它更像是一個指導(dǎo)手冊，來說明 Python 的 logging 模板是如何搭建的，并且激發(fā)感興趣的人深入研究。

為什么使用 logging 模塊？

也許會有開發(fā)者會問，為什么不是簡單的 print 語句呢？ Logging 模塊有很多優(yōu)勢，包括：

1.多線程支持

2.通過不同級別的日志分類

3.靈活性和可配置性

4.將如何記錄日志與記錄什么內(nèi)容分離

最后一點，將我們記錄內(nèi)容從記錄方式中真正分離，保證了軟件不同部分的合作。舉個例子，它允許一個框架或庫的開發(fā)者增加日志并且讓系統(tǒng)管理員或負(fù)責(zé)運行配置的人員決定稍后應(yīng)該記錄什么。

Logging 模塊中有什么

Logging 模塊完美地將它的每個部分的職責(zé)分離（遵循 Apache Log4j API 的方法）。讓我們看看一個日志線是如何通過這個模塊的代碼，并且研究下它的不同部分。

記錄器（Logger）

記錄器是開發(fā)者經(jīng)常交互的對象。那些主要的 API 說明了我們想要記錄的內(nèi)容。

舉個記錄器的例子，我們可以分類請求發(fā)出一條信息，而不用擔(dān)心它們是如何從哪里被發(fā)出的。

比如，當(dāng)我們寫下 logger.info(“Stock was sold at %s”, price) 我們在頭腦中就有如下模塊：

我們需要一條線。假設(shè)有些代碼在記錄器中運行，讓這條線出現(xiàn)在控制臺或文件中。但是在內(nèi)部實際發(fā)生了什么呢？

日志記錄

日志記錄是 logging 模塊用來滿足所有需求信息的包。它們包含了需要記錄日志的地方、變化的字符串、參數(shù)、請求的信息隊列等信息。

它們都是被記錄的對象。每次我們調(diào)用記錄器時，都會生成這些對象。但這些對象是如何序列化到流中的呢？通過處理器！

處理器

處理器將日志記錄發(fā)送給其他輸出終端，他們獲取日志記錄并用相關(guān)函數(shù)中處理它們。

比如，一個文件處理器將會獲取一條日志記錄，并且把它添加到文件中。

標(biāo)準(zhǔn)的 logging 模塊已經(jīng)具備了多種內(nèi)置的處理器，例如：

多種文件處理器（TimeRotated, SizeRotated, Watched），可以寫入文件中

1.StreamHandler 輸出目標(biāo)流比如 stdout 或 stderr

2.SMTPHandler 通過 email 發(fā)送日志記錄

3.SocketHandler 將日志文件發(fā)送到流套接字

4.SyslogHandler、NTEventHandler、HTTPHandler及MemoryHandler等

目前我們有個類似于真實情況的模型：

大部分的處理器都在處理字符串(SMTPHandler和FileHandler等)。或許你想知道這些結(jié)構(gòu)化的日志記錄是如何轉(zhuǎn)變?yōu)橐子谛蛄谢淖止?jié)的。

格式器

格式器負(fù)責(zé)將豐富的元數(shù)據(jù)日志記錄轉(zhuǎn)換為字符串，如果什么都沒有提供，將會有個默認(rèn)的格式器。

一般的格式器類由 logging 庫提供，采用模板和風(fēng)格作為輸入。然后占位符可以在一個 LogRecord 對象中聲明所有屬性。

比如：'%(asctime)s %(levelname)s %(name)s: %(message)s' 將會生成日志類似于 2017-07-19 15:31:13,942 INFO parent.child: Hello EuroPython.

請注意：屬性信息是通過提供的參數(shù)對日志的原始模板進(jìn)行插值的結(jié)果。（比如，對于 logger.info(“Hello %s”, “Laszlo”) 這條信息將會是 “Hello Laszlo”）

所有默認(rèn)的屬性都可以在日志文檔中找到。

好了，現(xiàn)在我們了解了格式器，我們的模型又發(fā)生了變化：

過濾器

我們?nèi)罩竟ぞ叩淖詈笠粋€對象就是過濾器。

過濾器允許對應(yīng)該發(fā)送的日志記錄進(jìn)行細(xì)粒度控制。多種過濾器能同時應(yīng)用在記錄器和處理器中。對于一條發(fā)送的日志來說，所有的過濾器都應(yīng)該通過這條記錄。

用戶可以聲明他們自己的過濾器作為對象，使用 filter 方法獲取日志記錄作為輸入，反饋 True / False 作為輸出。

出于這種考慮，以下是當(dāng)前的日志工作流：

記錄器層級

此時，你可能會對大量復(fù)雜的內(nèi)容和巧妙隱藏的模塊配置印象深刻，但是還有更需要考慮的：記錄器分層。

我們可以通過 logging.getLogger() 創(chuàng)建一個記錄器。這條字符向 getLogger 傳遞了一個參數(shù)，這個參數(shù)可以通過使用圓點分隔元素來定義一個層級。

舉個例子，logging.getLogger(“parent.child”) 將會創(chuàng)建一個 “child” 的記錄器，它的父級記錄器叫做 “parent.” 記錄器是被 logging 模塊管理的全局對象，所以我們可以方便地在項目中的任何地方檢索他們。

記錄器的例子通常也被認(rèn)為是渠道。層級允許開發(fā)者去定義渠道和他們的層級。

在日志記錄被傳遞到所有記錄器內(nèi)的處理器時，父級處理器將會進(jìn)行遞歸處理，直到我們到達(dá)頂級的記錄器（被定義為一個空字符串），或者有一個記錄器設(shè)置了 propagate = False。我們可通過更新的圖中看出：

請注意父級記錄器沒有被調(diào)用，只有它的處理器被調(diào)用。這意味著過濾器和其他在記錄器類中的代碼不會在父級中被執(zhí)行。當(dāng)我們在記錄器中增加過濾器時，這通常是個陷阱。

工作流小結(jié)

我們已經(jīng)闡明過職責(zé)的劃分以及我們是如何微調(diào)日志過濾。然而還是有兩個其他的屬性我們沒有提及：

1.記錄器可以是殘缺的，從而不允許任何記錄從這被發(fā)出。

2.一個有效的層級可以同時在記錄器和處理器中被設(shè)置。

舉個例子，當(dāng)一個記錄器被設(shè)置為 INFO 的等級，只有 INFO 等級及以上的才會被傳遞，同樣的規(guī)則適用于處理器。

基于以上所有的考慮，最后的日志記錄的流程圖看起來像這樣：

如何使用日志記錄模塊

現(xiàn)在我們已經(jīng)了解了 logging 模塊的部分及設(shè)計，是時候去了解一個開發(fā)者是如何與它交互的了。以下是一個代碼例子：

import logging
def sample_function(secret_parameter):
logger = logging.getLogger(__name__) # __name__=projectA.moduleB
logger.debug("Going to perform magic with '%s'", secret_parameter)
...
try:
result = do_magic(secret_parameter)
except IndexError:
logger.exception("OMG it happened again, someone please tell Laszlo")
except:
logger.info("Unexpected exception", exc_info=True)
raise
else:
logger.info("Magic with '%s' resulted in '%s'", secret_parameter, result, stack_info=True)

它用模塊 __name__ 創(chuàng)建了一個日志記錄器。它會基于項目結(jié)構(gòu)創(chuàng)建渠道和等級，正如 Pyhon 模塊用圓點連接一樣。

記錄器變量引用記錄器的 “module” ，用 “projectA” 作為父級， “root” 作為父級的父級。

在第五行，我們看到如何執(zhí)行調(diào)用去發(fā)送日志。我們可以用 debug 、 info 、error 或 critical 這些方法之一在合適的等級上去記錄日志。

當(dāng)記錄一條信息時，除了模板參數(shù)，我們可以通過特殊的含義傳遞密碼參數(shù)，最有意思的是 exc_info 和 stack_info。它們將會分別增加關(guān)于當(dāng)前異常和棧幀的信息。為了方便起見，在記錄器對象中有一個方法異常，正如這個錯誤調(diào)用 exc_info=True 。

這些是如何使用記錄器模塊的基礎(chǔ)，但是有些通常被認(rèn)為是不良操作的做法同樣值得說明。

過度格式化字符串

應(yīng)該盡量避免使用 loggger.info(“string template {}”.format(argument)) ，可能的話盡量使用 logger.info(“string template %s”, argument)。 這是個更好的實踐，因為只有當(dāng)日志被發(fā)送時，字符串才會發(fā)生真正改變。當(dāng)我們記錄的層級在 INFO 之上時，不這么做會導(dǎo)致浪費周期，因為這個改變?nèi)匀粫l(fā)生。

捕捉和格式化異常

通常，我們想記錄在抓取模塊異常的日志信息，如果這樣寫會很直觀：

try:
..
except Exception as error:
logger.info("Something bad happened: %s", error)

但是這樣的代碼會給我們顯示類似于 Something bad happened: “secret_key.” 的日志行，這并不是很有用。如果我們使用 exc_info 作為事先說明，那么它將會如下顯示：

try:
..
except Exception:
logger.info("Something bad happened", exc_info=True)
Something bad happened
Traceback (most recent call last):
File "sample_project.py", line 10, in code
inner_code()
File "sample_project.py", line 6, in inner_code
x = data["secret_key"]
KeyError: 'secret_key'

這不僅僅會包含異常的準(zhǔn)確資源，同時也會包含它的類型。

設(shè)置記錄器

裝備我們的軟件很簡單，我們需要設(shè)置日志棧，并且制定這些記錄是如何被發(fā)出的。

以下是設(shè)置日志棧的多種方法

基礎(chǔ)設(shè)置

這是至今最簡單的設(shè)置日志記錄的方法。使用 logging.basicConfig(level=”INFO”) 搭建一個基礎(chǔ)的 StreamHandler ，這樣就會記錄在 INFO 上的任何東西，并且到控制臺以上的級別。以下是編寫基礎(chǔ)設(shè)置的一些參數(shù)：

請注意， basicConfig 僅僅在運行的一開始可以這么調(diào)用。如果你已經(jīng)設(shè)置了你的根記錄器，調(diào)用 basicConfig 將不會奏效。

字典設(shè)置

所有元素的設(shè)置以及如何連接它們可以作為字典來說明。這個字典應(yīng)當(dāng)由不同的部分組成，包括記錄器、處理器、格式化以及一些基本的通用參數(shù)。

例子如下：

config = {
'disable_existing_loggers': False,
'version': 1,
'formatters': {
'short': {
'format': '%(asctime)s %(levelname)s %(name)s: %(message)s'
},
},
'handlers': {
'console': {
'level': 'INFO',
'formatter': 'short',
'class': 'logging.StreamHandler',
},
},
'loggers': {
'': {
'handlers': ['console'],
'level': 'ERROR',
},
'plugins': {
'handlers': ['console'],
'level': 'INFO',
'propagate': False
}
},
}
import logging.config
logging.config.dictConfig(config)

當(dāng)被引用時， dictConfig 將會禁用所有運行的記錄器，除非 disable_existing_loggers 被設(shè)置為 false。這通常是需要的，因為很多模塊聲明了一個全球記錄器，它在 dictConfig 被調(diào)用之前被導(dǎo)入的時候?qū)嵗?/p>

你可以查看 schema that can be used for the dictConfig method（鏈接）。通常，這些設(shè)置將會存儲在一個 YAML 文件中，并且從那里設(shè)置。很多開發(fā)者會傾向于使用這種方式而不是使用 fileConfig（鏈接）,因為它為定制化提供了更好的支持。

拓展 logging

幸虧設(shè)計了這種方式，拓展 logging 模塊很容易。讓我們來看些例子：

logging JSON | 記錄 JSON

只要我們想要記錄，我們可以通過創(chuàng)建一種自定義格式化來記錄 JSON ，它會將日志記錄轉(zhuǎn)化為 JSON 編碼的字符串。

import logging
import logging.config
import json
ATTR_TO_JSON = ['created', 'filename', 'funcName', 'levelname', 'lineno', 'module', 'msecs', 'msg', 'name', 'pathname', 'process', 'processName', 'relativeCreated', 'thread', 'threadName']
class JsonFormatter:
def format(self, record):
obj = {attr: getattr(record, attr)
for attr in ATTR_TO_JSON}
return json.dumps(obj, indent=4)
handler = logging.StreamHandler()
handler.formatter = JsonFormatter()
logger = logging.getLogger(__name__)
logger.addHandler(handler)
logger.error("Hello")

添加更多上下文

在格式化中，我們可以指定任何日志記錄的屬性。

我們可以通過多種方式增加屬性，在這個例子中，我們用過濾器來豐富日志記錄。

import logging
import logging.config
GLOBAL_STUFF = 1
class ContextFilter(logging.Filter):
def filter(self, record):
global GLOBAL_STUFF
GLOBAL_STUFF += 1
record.global_data = GLOBAL_STUFF
return True
handler = logging.StreamHandler()
handler.formatter = logging.Formatter("%(global_data)s %(message)s")
handler.addFilter(ContextFilter())
logger = logging.getLogger(__name__)
logger.addHandler(handler)
logger.error("Hi1")
logger.error("Hi2")

這樣有效地在所有日志記錄中增加了一個屬性，它可以通過記錄器。格式化會在日志行中包含這個屬性。

請注意這會在你的應(yīng)用中影響所有的日志記錄，包含你可能用到以及你發(fā)送日志的庫和其他的框架。它可以用來記錄類似于在所有日志行里的一個獨立請求 ID ，去追蹤請求或者去添加額外的上下文信息。

從 Python 3.2 開始，你可以使用 setLogRecordFactory 去獲得所有日志的創(chuàng)建記錄和增加額外的信息。這個 extra attribute 和 LoggerAdapter class 或許同樣是有趣的。

緩沖日志

有時候當(dāng)錯誤發(fā)生時，我們想要排除日志故障。創(chuàng)建一個緩沖的處理器，來記錄當(dāng)錯誤發(fā)生時的最新故障信息是一種可行的辦法。下面的代碼是個非人為策劃的例子：

import logging
import logging.handlers
class SmartBufferHandler(logging.handlers.MemoryHandler):
def __init__(self, num_buffered, *args, **kwargs):
kwargs["capacity"] = num_buffered + 2 # +2 one for current, one for prepop
super().__init__(*args, **kwargs)
def emit(self, record):
if len(self.buffer) == self.capacity - 1:
self.buffer.pop(0)
super().emit(record)
handler = SmartBufferHandler(num_buffered=2, target=logging.StreamHandler(), flushLevel=logging.ERROR)
logger = logging.getLogger(__name__)
logger.setLevel("DEBUG")
logger.addHandler(handler)
logger.error("Hello1")
logger.debug("Hello2") # This line won't be logged
logger.debug("Hello3")
logger.debug("Hello4")
logger.error("Hello5") # As error will flush the buffered logs, the two last debugs will be logged

總結(jié)

以上所述是小編給大家介紹的Python 記錄日志的靈活性和可配置性，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！

最新評論