Logfire项目中的手动追踪功能详解
Logfire作为一款强大的日志和追踪工具,提供了灵活的手动追踪功能,帮助开发者更好地理解和监控应用程序的执行流程。本文将深入介绍Logfire中的核心追踪概念和使用方法。
追踪与跨度基础
在Logfire中,追踪(Trace)和跨度(Span)是两个核心概念。一个追踪代表一个完整的请求或事务处理过程,而跨度则代表其中的一个具体操作单元。追踪本质上是由多个跨度组成的树状结构,其中根跨度就是追踪的起点。
with logfire.span('处理用户请求'):
logfire.info('开始处理数据')
time.sleep(1)
logfire.info('数据处理完成')
在这个例子中,logfire.span
创建了一个跨度,其中包含两条日志信息。在Logfire的可视化界面中,你可以看到日志信息被嵌套在跨度内部,形成清晰的层级关系。
属性记录
Logfire允许你为日志和跨度添加自定义属性,这些属性会被记录并可用于后续查询:
logfire.info('用户登录', username='alice', role='admin')
记录后,你可以使用类似attributes->>'username' = 'alice'
的查询条件来筛选特定属性的记录。对于跨度,你还可以动态添加属性:
span = logfire.span('处理订单')
span.set_attribute('order_id', 12345)
命名与消息
Logfire区分了跨度名称和消息内容。名称用于分组和聚合,应该保持低基数(即不要有太多唯一值),而消息可以包含具体细节:
for name in ['Alice', 'Bob', 'Charlie']:
logfire.info(f'问候用户 {name}', name=name)
在这个例子中,日志消息包含了具体用户名,但如果你使用相同的模式作为跨度名称,可能会导致性能问题。Logfire提供了多种方式控制名称和消息:
- 使用
_span_name
参数显式指定 - 通过
span.message
属性动态修改 - 利用f-string魔法自动处理
便捷装饰器
对于函数级别的追踪,Logfire提供了便捷的装饰器:
@logfire.instrument
def process_data(data):
# 函数执行会自动被记录为一个跨度
...
异常处理
Logfire能够自动捕获并记录跨度中的异常:
with logfire.span('危险操作'):
try:
risky_operation()
except Exception:
logfire.exception('操作失败')
raise
你也可以手动记录异常:
span.record_exception(exc)
日志级别
Logfire支持标准的日志级别(DEBUG, INFO, WARNING, ERROR等)。你可以通过多种方式控制级别:
logfire.warning('警告信息')
span.set_level('error') # 提升跨度级别
在Logfire界面中,你可以使用类似level > level_num('info')
的查询来筛选特定级别的记录。当跨度中发生未捕获的异常时,其级别会自动提升为ERROR。
通过合理使用这些手动追踪功能,开发者可以获得对应用程序行为的深入洞察,快速定位性能瓶颈和错误源头。Logfire的设计既考虑了灵活性,又保持了使用的简洁性,是现代化应用监控的有力工具。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









