在 Python 中，一般情況下我們可能直接用自帶的 logging 模組來記錄日誌，包括我之前的時候也是一樣。在使用時我們需要配置一些 Handler、Formatter 來進行一些處理，比如把日誌輸出到不同的位置，或者設定一個不同的輸出格式，或者設定日誌分塊和備份。但其實個人感覺 logging 用起來其實並不是那麼好用，其實主要還是配置較為繁瑣.

常見使用

首先看看 logging 常見的解決方案吧，我一般會配置輸出到檔案、控制檯和 Elasticsearch。輸出到控制檯就僅僅是方便直接檢視的；輸出到檔案是方便直接儲存，保留所有歷史記錄的備份；輸出到 Elasticsearch，直接將 Elasticsearch 作為儲存和分析的中心，使用 Kibana 可以非常方便地分析和檢視執行情況。

所以在這裡我基本會對 logging 做如下的封裝寫法:

mport logging
import sys
from os import makedirs
from os.path import dirname, exists

from cmreslogging.handlers import CMRESHandler

loggers = {}

LOG_ENABLED = True  # 是否開啟日誌
LOG_TO_CONSOLE = True  # 是否輸出到控制檯
LOG_TO_FILE = True  # 是否輸出到檔案
LOG_TO_ES = True  # 是否輸出到 Elasticsearch

LOG_PATH = './runtime.log'  # 日誌檔案路徑
LOG_LEVEL = 'DEBUG'  # 日誌級別
LOG_FORMAT = '%(levelname)s - %(asctime)s - process: %(process)d - %(filename)s - %(name)s - %(lineno)d - %(module)s - %(message)s'  # 每條日誌輸出格式
ELASTIC_SEARCH_HOST = 'eshost'  # Elasticsearch Host
ELASTIC_SEARCH_PORT = 9200  # Elasticsearch Port
ELASTIC_SEARCH_INDEX = 'runtime'  # Elasticsearch Index Name
APP_ENVIRONMENT = 'dev'  # 執行環境，如測試環境還是生產環境

def get_logger(name=None):
    """
    get logger by name
    :param name: name of logger
    :return: logger
    """
    global loggers

    if not name: name = __name__

    if loggers.get(name):
        return loggers.get(name)

    logger = logging.getLogger(name)
    logger.setLevel(LOG_LEVEL)

    # 輸出到控制檯
    if LOG_ENABLED and LOG_TO_CONSOLE:
        stream_handler = logging.StreamHandler(sys.stdout)
        stream_handler.setLevel(level=LOG_LEVEL)
        formatter = logging.Formatter(LOG_FORMAT)
        stream_handler.setFormatter(formatter)
        logger.addHandler(stream_handler)

    # 輸出到檔案
    if LOG_ENABLED and LOG_TO_FILE:
        # 如果路徑不存在，建立日誌檔案資料夾
        log_dir = dirname(log_path)
        if not exists(log_dir): makedirs(log_dir)
        # 新增 FileHandler
        file_handler = logging.FileHandler(log_path, encoding='utf-8')
        file_handler.setLevel(level=LOG_LEVEL)
        formatter = logging.Formatter(LOG_FORMAT)
        file_handler.setFormatter(formatter)
        logger.addHandler(file_handler)

    # 輸出到 Elasticsearch
    if LOG_ENABLED and LOG_TO_ES:
        # 新增 CMRESHandler
        es_handler = CMRESHandler(hosts=[{'host': ELASTIC_SEARCH_HOST, 'port': ELASTIC_SEARCH_PORT}],
                                  # 可以配置對應的認證許可權
                                  auth_type=CMRESHandler.AuthType.NO_AUTH,  
                                  es_index_name=ELASTIC_SEARCH_INDEX,
                                  # 一個月分一個 Index
                                  index_name_frequency=CMRESHandler.IndexNameFrequency.MONTHLY,
                                  # 額外增加環境標識
                                  es_additional_fields={'environment': APP_ENVIRONMENT}  
                                  )
        es_handler.setLevel(level=LOG_LEVEL)
        formatter = logging.Formatter(LOG_FORMAT)
        es_handler.setFormatter(formatter)
        logger.addHandler(es_handler)

    # 儲存到全域性 loggers
    loggers[name] = logger
    return logger
 

定義完了怎麼使用呢？只需要使用定義的方法獲取一個 logger，然後 log 對應的內容即可:

logger = get_logger()
logger.debug('this is a message')

執行結果如下:

DEBUG - 2019-10-11 22:27:35,923 - process: 99490 - logger.py - __main__ - 81 - logger - this is a message

我們看看這個定義的基本實現吧。首先這裡一些常量是用來定義 logging 模組的一些基本屬性的，比如 LOG_ENABLED 代表是否開啟日誌功能， LOG_TO_E S 代表是否將日誌輸出到 Elasticsearch，另外還有很多其他的日誌基本配置，如 LOG_FORMAT

然後定義了這麼一個 get_logger 方法，接收一個引數 name。首先該方法拿到 name 之後，會到全域性的 loggers 變數裡面查詢，loggers 變數是一個全域性字典，如果有已經宣告過的 logger，直接將其獲取返回即可，不用再將其二次初始化。如果 loggers 裡面沒有找到 name 對應的 logger，那就進行建立即可。建立 logger 之後，可以為其新增各種對應的 Handler，如輸出到控制檯就用 StreamHandler，輸出到檔案就用 FileHandler 或 RotatingFileHandler，輸出到 Elasticsearch 就用 CMRESHandler，分別配置好對應的資訊即可。

最後呢，將新建的 logger 儲存到全域性的 loggers 裡面並返回即可，這樣如果有同名的 logger 便可以直接查詢 loggers 直接返回了。

在這裡依賴了額外的輸出到 Elasticsearch 的包，叫做 CMRESHandler，它可以支援將日誌輸出到 Elasticsearch 裡面，如果要使用的話可以安裝一下:

pip install CMRESHandler

其 GitHub 地址是： https://github.com/cmanaha/python-elasticsearch-logger ，具體的使用方式可以看看它的官方說明，如配置認證資訊，配置 Index 分隔資訊等等。

好，上面就是我之前常用的 logging 配置，通過如上的配置，我就可以實現將 logging 輸出到三個位置，並可以實現對應的效果。比如輸出到 Elasticsearch 之後，我就可以非常方便地使用 Kibana 來檢視當前執行情況，ERROR Log 的比例等等.

也可以在它的基礎上做更進一步的統計分析.

loguru

上面的實現方式已經是一個較為可行的配置方案了。然而，我還是會感覺到有些 Handler 配起來麻煩，尤其是新建一個專案的很多時候懶得去寫一些配置。即使是不用上文的配置，用最基本的幾行 logging 配置，像如下的通用配置:

import logging
logging.basicConfig(level = logging.INFO,format = '%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)

我也懶得去寫，感覺並不是一個優雅的實現方式。

有需求就有動力啊，這不，就有人實現了這麼一個庫，叫做 loguru，可以將 log 的配置和使用更加簡單和方便。

下面我們來看看它到底是怎麼用的吧.

安裝

首先，這個庫的安裝方式很簡單，就用基本的 pip 安裝即可，Python 3 版本的安裝如下:

pip install loguru

安裝完畢之後，我們就可以在專案裡使用這個 loguru 庫了.

基本使用

那麼這個庫怎麼來用呢？我們先用一個例項感受下:

from loguru import logger

logger.debug('this is a debug message')

看到了吧，不需要配置什麼東西，直接引入一個 logger，然後呼叫其 debug 方法即可。

在 loguru 裡面有且僅有一個主要物件，那就是 logger，loguru 裡面有且僅有一個 logger，而且它已經被提前配置了一些基礎資訊，比如比較友好的格式化、文字顏色資訊等等。

上面的程式碼執行結果如下：

2019-10-13 22:46:12.367 | DEBUG    | __main__:<module>:4 - this is a debug message

可以看到其預設的輸出格式是上面的內容，有時間、級別、模組名、行號以及日誌資訊，不需要手動建立 logger，直接使用即可，另外其輸出還是彩色的，看起來會更加友好。

以上的日誌資訊是直接輸出到控制檯的，並沒有輸出到其他的地方，如果想要輸出到其他的位置，比如存為檔案，我們只需要使用一行程式碼宣告即可。

例如將結果同時輸出到一個 runtime.log 檔案裡面，可以這麼寫:

from loguru import logger

logger.add('runtime.log')
logger.debug('this is a debug')

很簡單吧，我們也不需要再宣告一個 FileHandler 了，就一行 add 語句搞定，執行之後會發現目錄下 runtime.log 裡面同樣出現了剛剛控制檯輸出的 DEBUG 資訊。

上面就是一些基本的使用，但這還遠遠不夠，下面我們來詳細瞭解下它的一些功能模組.

詳細使用

既然是日誌，那麼最常見的就是輸出到檔案了。loguru 對輸出到檔案的配置有非常強大的支援，比如支援輸出到多個檔案，分級別分別輸出，過大建立新檔案，過久自動刪除等等。

下面我們分別看看這些怎樣來實現，這裡基本上就是 add 方法的使用介紹。因為這個 add 方法就相當於給 logger 添加了一個 Handler，它給我們暴露了許多引數來實現 Handler 的配置，下面我們來詳細介紹下。

首先看看它的方法定義吧:

def add(
        self,
        sink,
        *,
        level=_defaults.LOGURU_LEVEL,
        format=_defaults.LOGURU_FORMAT,
        filter=_defaults.LOGURU_FILTER,
        colorize=_defaults.LOGURU_COLORIZE,
        serialize=_defaults.LOGURU_SERIALIZE,
        backtrace=_defaults.LOGURU_BACKTRACE,
        diagnose=_defaults.LOGURU_DIAGNOSE,
        enqueue=_defaults.LOGURU_ENQUEUE,
        catch=_defaults.LOGURU_CATCH,
        **kwargs
    ):
    pass

看看它的原始碼，它支援這麼多的引數，如 level、format、filter、color 等等。

sink

另外我們還注意到它有個非常重要的引數 sink，我們看看官方文件： https://loguru.readthedocs.io/en/stable/api/logger.html#sink ，可以瞭解到通過 sink 我們可以傳入多種不同的資料結構，彙總如下:

– sink 可以傳入一個 file 物件，例如 sys.stderr 或者 open(‘file.log’, ‘w’) 都可以。

– sink 可以直接傳入一個 str 字串或者 pathlib.Path 物件，其實就是代表檔案路徑的，如果識別到是這種型別，它會自動建立對應路徑的日誌檔案並將日誌輸出進去。

– sink 可以是一個方法，可以自行定義輸出實現。

– sink 可以是一個 logging 模組的 Handler，比如 FileHandler、StreamHandler 等等，或者上文中我們提到的 CMRESHandler 照樣也是可以的，這樣就可以實現自定義 Handler 的配置。

– sink 還可以是一個自定義的類，具體的實現規範可以參見官方文件.

所以說，剛才我們所演示的輸出到檔案，僅僅給它傳了一個 str 字串路徑，他就給我們建立了一個日誌檔案，就是這個原理。

format, filter, level

下面我們再瞭解下它的其他引數，例如 format、filter、level 等等。

其實它們的概念和格式和 logging 模組都是基本一樣的了，例如這裡使用 format、filter、level 來規定輸出的格式:

logger.add('runtime.log', format="{time} {level} {message}", filter="my_module", level="INFO")

刪除sink

另外新增 sink 之後我們也可以對其進行刪除，相當於重新重新整理並寫入新的內容。

刪除的時候根據剛剛 add 方法返回的 id 進行刪除即可，看下面的例子:

from loguru import logger

trace = logger.add('runtime.log')
logger.debug('this is a debug message')
logger.remove(trace)
logger.debug('this is another debug message')

看這裡，我們首先 add 了一個 sink，然後獲取它的返回值，賦值為 trace。隨後輸出了一條日誌，然後將 trace 變數傳給 remove 方法，再次輸出一條日誌，看看結果是怎樣的。

控制檯輸出如下:

019-10-13 23:18:26.469 | DEBUG    | __main__:<module>:4 - this is a debug message
2019-10-13 23:18:26.469 | DEBUG    | __main__:<module>:6 - this is another debug message

日誌檔案 runtime.log 內容如下:

2019-10-13 23:18:26.469 | DEBUG    | __main__:<module>:4 - this is a debug message

可以發現，在呼叫 remove 方法之後，確實將歷史 log 刪除了。

這樣我們就可以實現日誌的重新整理重新寫入操作。

rotation 配置

用了 loguru 我們還可以非常方便地使用 rotation 配置，比如我們想一天輸出一個日誌檔案，或者檔案太大了自動分隔日誌檔案，我們可以直接使用 add 方法的 rotation 引數進行配置。

我們看看下面的例子：

logger.add('runtime_{time}.log', rotation="500 MB")

通過這樣的配置我們就可以實現每 500MB 儲存一個檔案，每個 log 檔案過大就會新建立一個 log 檔案。我們在配置 log 名字時加上了一個 time 佔位符，這樣在生成時可以自動將時間替換進去，生成一個檔名包含時間的 log 檔案。

另外我們也可以使用 rotation 引數實現定時建立 log 檔案，例如:

logger.add('runtime_{time}.log', rotation='00:00')

這樣就可以實現每天 0 點新建立一個 log 檔案輸出了。

另外我們也可以配置 log 檔案的迴圈時間，比如每隔一週建立一個 log 檔案，寫法如下:

logger.add('runtime_{time}.log', rotation='1 week')

這樣我們就可以實現一週建立一個 log 檔案了。

retention 配置

很多情況下，一些非常久遠的 log 對我們來說並沒有什麼用處了，它白白佔據了一些儲存空間，不清除掉就會非常浪費。retention 這個引數可以配置日誌的最長保留時間。

比如我們想要設定日誌檔案最長保留 10 天，可以這麼來配置:

logger.add('runtime.log', retention='10 days')

這樣 log 檔案裡面就會保留最新 10 天的 log，媽媽再也不用擔心 log 沉積的問題啦。

compression 配置

loguru 還可以配置檔案的壓縮格式，比如使用 zip 檔案格式儲存，示例如下:

logger.add('runtime.log', compression='zip')

這樣可以更加節省儲存空間。

字串格式化

loguru 在輸出 log 的時候還提供了非常友好的字串格式化功能，像這樣:

logger.info('If you are using Python {}, prefer {feature} of course!', 3.6, feature='f-strings')

這樣在新增引數就非常方便了。

Traceback 記錄

在很多情況下，如果遇到執行錯誤，而我們在列印輸出 log 的時候萬一不小心沒有配置好 Traceback 的輸出，很有可能我們就沒法追蹤錯誤所在了。

但用了 loguru 之後，我們用它提供的裝飾器就可以直接進行 Traceback 的記錄，類似這樣的配置即可:

@logger.catch
def my_function(x, y, z):
    # An error? It's caught anyway!
    return 1 / (x + y + z)

我們做個測試，我們在呼叫時三個引數都傳入 0，直接引發除以 0 的錯誤，看看會出現什麼情況:

my_function(0, 0, 0)

執行完畢之後，可以發現 log 裡面就出現了 Traceback 資訊，而且給我們輸出了當時的變數值，真的是不能再讚了！結果如下:

> File "run.py", line 15, in <module>
    my_function(0, 0, 0)
    └ <function my_function at 0x1171dd510>

  File "/private/var/py/logurutest/demo5.py", line 13, in my_function
    return 1 / (x + y + z)
                │   │   └ 0
                │   └ 0
                └ 0

ZeroDivisionError: division by zero

因此，用 loguru 可以非常方便地實現日誌追蹤，debug 效率可能要高上十倍了？

看完之後，是時候把自己的 logging 模組替換成 loguru 啦！

本文的文字及圖片來源於網路,僅供學習、交流使用,不具有任何商業用途,如有問題請及時聯絡我們以作處理

想要獲取更多Python學習資料可以加QQ:2955637827私聊或加Q群630390733大家一起來學習討論吧！