Loguru项目中避免Kafka日志Handler死锁问题的解决方案

问题背景

在使用Python的Loguru日志库时，开发者经常需要将标准Python日志重定向到Loguru系统中。一个常见场景是同时实现一个自定义的logging.Handler，用于将日志消息发送到Kafka消息队列。

然而，当Kafka客户端在发送日志消息过程中又需要记录日志时，就会导致递归调用，最终引发RuntimeError: Could not acquire internal lock because it was already in use (deadlock avoided)错误。这是因为Loguru的日志器和其处理器不是可重入的，不允许在处理器内部再次使用同一个日志器。

问题分析

这种死锁问题的本质是：

1. 日志消息A触发Kafka Handler
2. Kafka Handler在处理过程中需要记录日志消息B
3. 日志消息B再次触发同一个Kafka Handler
4. 形成无限递归调用链

解决方案

方法一：基于函数名的过滤

Loguru提供了强大的过滤机制，可以通过检查日志记录来源的函数名来避免递归：

def avoid_recursion(record):
    return record["function"] != "kafka_sink"

logger.add(kafka_sink, filter=avoid_recursion)

这种方法简单直接，但需要确保所有可能引起递归的日志调用都来自同一个函数名。

方法二：线程局部变量控制

更灵活的解决方案是使用线程局部变量作为标记：

import threading

kafka_logging_flag = threading.local()

class KafkaHandler(logging.Handler):
    def emit(self, record):
        if hasattr(kafka_logging_flag, 'active'):
            return
            
        kafka_logging_flag.active = True
        try:
            # Kafka日志处理逻辑
        finally:
            del kafka_logging_flag.active

这种方法通过标记当前线程是否正在处理Kafka日志来避免递归，适用于更复杂的场景。

最佳实践建议

1. 分离关注点：将业务日志和系统/框架日志分开处理，避免Kafka客户端日志进入同一个处理管道

2. 分级处理：对不同级别的日志采用不同处理方式，如ERROR级别日志发送到Kafka，DEBUG级别仅输出到控制台

3. 异常处理：在Kafka Handler中完善异常处理，确保即使发送失败也不会引发额外日志

4. 性能监控：添加日志处理性能监控，及时发现潜在的死循环风险

总结

Loguru与Kafka集成的死锁问题是典型的递归调用问题。通过合理的过滤机制或执行上下文控制，可以有效避免这一问题。开发者应根据具体场景选择最适合的解决方案，同时遵循日志系统设计的最佳实践，构建稳定可靠的日志处理管道。

对于复杂的分布式系统，建议进一步考虑使用异步日志处理、消息队列缓冲等高级技术来提升系统的健壮性和性能。