如何在Pydantic Logfire中禁用重复日志和Span堆栈详情
在Python项目中使用Pydantic Logfire进行日志记录和监控时,开发者可能会遇到两个常见问题:日志重复输出和Span堆栈详情显示。本文将详细介绍如何优雅地解决这些问题。
问题现象分析
当开发者同时使用Python标准日志系统和Logfire时,可能会观察到以下现象:
-
日志重复问题:每条日志会被记录两次,一次是标准格式的日志,另一次是简化版的重复日志。例如:
标准格式日志:2025-01-18 21:22:16,772 INFO [aiogram.dispatcher] (dispatcher.py:start_polling:527) Start polling 简化重复日志:19:22:16.772 Start polling -
Span堆栈详情问题:Logfire会自动记录函数调用堆栈的详细信息,这些信息会以缩进形式显示在控制台,例如:
19:23:36.939 Calling src.bot.middleware.database_transaction 19:23:36.939 Calling src.bot.middleware.skip_service_messages
解决方案
经过深入分析,我们发现这些问题都可以通过简单的配置解决,无需使用临时性的代码修改方案。
禁用控制台日志输出
要完全禁用Logfire在控制台的日志输出(包括重复日志和Span堆栈详情),只需在项目的pyproject.toml配置文件中添加以下设置:
[tool.logfire]
console = false
这一配置会关闭Logfire的所有控制台输出,同时保留其他功能(如日志收集和监控)的正常工作。
配置注意事项
-
环境区分:建议根据环境(开发/生产)使用不同的配置。开发环境可能需要查看详细日志,而生产环境可能只需要收集日志而不需要控制台输出。
-
日志级别控制:除了关闭控制台输出外,还可以通过
level参数控制日志记录的级别,例如:[tool.logfire] level = "WARNING" -
服务名称和环境设置:虽然与问题无直接关系,但良好的实践是明确设置服务名称和环境:
logfire.configure( service_name='your_service', environment='production', )
替代方案比较
有些开发者可能会尝试通过代码临时修改配置,如:
logfire.DEFAULT_LOGFIRE_INSTANCE._console_log = False
但这种方案有几个缺点:
- 直接访问内部属性(
_console_log)不符合Python的最佳实践 - 可能在Logfire版本更新时失效
- 不够直观,难以维护
相比之下,使用配置文件的方式更加规范、可靠且易于维护。
最佳实践建议
-
明确日志策略:在项目初期就规划好日志记录策略,明确哪些信息需要记录、以什么格式记录、在哪里记录。
-
环境适配配置:使用不同的配置文件或环境变量来适应不同环境的日志需求。
-
监控与日志分离:考虑将监控数据(如Span信息)和业务日志分开处理,使用不同的传输通道。
-
定期审查日志配置:随着项目发展,定期审查日志配置是否仍然满足需求。
通过以上方法,开发者可以优雅地控制Logfire的日志输出行为,保持日志系统的整洁和高效。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00