Sentry-Python 2.25.0版本发布:日志集成与性能优化
2025-06-24 11:04:20作者:钟日瑜
Sentry-Python是Sentry官方提供的Python SDK,用于错误监控和性能追踪。它帮助开发者捕获应用程序中的异常、错误和性能问题,并将这些信息发送到Sentry服务进行分析。最新发布的2.25.0版本带来了一些重要的新功能和改进。
新功能亮点
日志集成功能(Beta)
2.25.0版本引入了一个实验性的新功能——Sentry日志集成。这个功能允许开发者将现有的Python日志系统与Sentry集成,自动将符合条件的日志消息发送到Sentry的日志系统。
要启用这个功能,开发者需要在初始化Sentry SDK时进行特殊配置:
import logging
import sentry_sdk
from sentry_sdk.integrations.logging import LoggingIntegration
sentry_sdk.init(
dsn="...",
_experiments={
"enable_sentry_logs": True
},
integrations=[
LoggingIntegration(sentry_logs_level=logging.ERROR),
]
)
配置完成后,所有级别为ERROR或更高的日志消息都会被自动发送到Sentry。这个功能目前处于Beta阶段,API可能会发生变化。
Spotlight功能改进
Spotlight是Sentry的一个调试工具,可以帮助开发者更快地定位问题。在2.25.0版本中,Spotlight现在可以100%采样所有事件,即使没有设置DSN也能正常工作,这大大提高了调试的便利性。
框架集成改进
Dramatiq集成优化
对于使用Dramatiq任务队列的开发者,2.25.0版本改进了事务名称的设置方式,现在使用更标准的set_transaction_name方法,这有助于更好地组织和追踪任务执行情况。
测试套件迁移
开发团队继续推进测试套件的迁移工作,使得Litestar框架的测试现在也纳入了toxgen测试体系,提高了测试的一致性和可维护性。
问题修复
2.25.0版本修复了几个重要问题:
- 长堆栈跟踪捕获问题:修复了在捕获特别长的堆栈跟踪时可能导致程序挂起的问题。
- GraphQL问题:解决了GraphQL集成中的一些故障问题。
- Flaky测试:修复了一些不稳定的测试用例。
开发工具改进
- 在pre-commit钩子中添加了flake8插件,提高了代码质量检查的全面性。
- 更新了GitHub测试运行器中的Ubuntu版本,确保测试环境的现代性和安全性。
- 弃用了
Scope.user属性,开发者应该使用更现代的API替代。
总结
Sentry-Python 2.25.0版本带来了实用的日志集成功能,进一步丰富了Sentry在Python生态中的监控能力。同时,各种框架集成的优化和问题修复也提升了SDK的稳定性和可用性。对于正在使用或考虑使用Sentry进行应用监控的Python开发者来说,这个版本值得关注和升级。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217