使用structlog实现多格式日志输出:控制台与文件分离
在Python日志处理中,structlog是一个强大的结构化日志库,它提供了比标准logging模块更灵活的功能。本文将介绍如何使用structlog实现同时向不同输出目标(控制台和文件)输出不同格式日志的高级配置方案。
问题背景
在实际开发中,我们经常需要将日志同时输出到多个目的地,并且每个目的地可能需要不同的格式。例如:
- 控制台输出:需要人类可读的格式(如ConsoleRenderer或LogfmtRenderer)
- 文件输出:需要结构化格式(如JSONRenderer)便于后续日志分析
解决方案
structlog通过处理器链(processors chain)机制,可以灵活地实现这种需求。核心思路是在处理器链中插入自定义处理器,将日志事件同时输出到不同目标。
完整实现代码
import structlog
import sys
import logging
from pathlib import Path
# 配置标准logging模块的文件处理器
file_handler = logging.FileHandler(Path("file_handler.log"))
root_logger = logging.getLogger()
root_logger.addHandler(file_handler)
root_logger.setLevel(logging.NOTSET)
# 自定义控制台输出处理器
class ConsoleOutProcessor:
def __init__(self, stream):
self._formatter = structlog.dev.ConsoleRenderer()
self._writer = structlog.WriteLogger(stream)
def __call__(self, logger, method, event):
ev = event.copy()
self._writer.msg(self._formatter(logger, method, event))
return ev
# 配置structlog
structlog.configure(
processors=[
structlog.processors.add_log_level,
structlog.processors.TimeStamper(fmt="iso"),
structlog.dev.set_exc_info,
structlog.processors.StackInfoRenderer(),
ConsoleOutProcessor(sys.stdout), # 控制台输出
structlog.dev.ConsoleRenderer(), # 可选,用于调试
structlog.processors.JSONRenderer(), # 文件输出
],
logger_factory=structlog.stdlib.LoggerFactory(),
)
# 使用示例
logger = structlog.get_logger()
logger.info("Info message", a=1, b=2)
logger.error("Error message", a=1, b=2)
try:
1/0
except:
logger.exception("boom")
关键点解析
-
处理器顺序:structlog的处理器是按顺序执行的,因此控制台输出处理器(ConsoleOutProcessor)必须放在JSONRenderer之前。
-
ConsoleOutProcessor:这个自定义处理器实现了:
- 使用ConsoleRenderer格式化日志为人类可读格式
- 通过WriteLogger将格式化后的日志写入指定流(如sys.stdout)
- 返回原始事件字典,不影响后续处理器
-
JSONRenderer:作为最后一个处理器,它将日志事件转换为JSON字符串,然后通过标准logging模块写入文件。
-
异常处理:structlog.dev.set_exc_info处理器会自动捕获异常信息,与logger.exception()配合使用可以输出完整的堆栈跟踪。
进阶建议
-
性能考虑:在生产环境中,可以考虑使用structlog.processors.format_exc_info代替structlog.dev.set_exc_info,因为它性能更好。
-
日志级别过滤:可以在处理器链中添加structlog.stdlib.filter_by_level处理器来实现不同级别的日志过滤。
-
异步日志:对于高性能应用,可以考虑使用structlog的异步处理器来避免I/O阻塞。
-
多文件输出:通过扩展此方案,可以实现向多个文件输出不同格式的日志。
通过这种配置,开发者可以同时获得开发时的友好日志显示和生产环境中的结构化日志存储,兼顾了开发便利性和运维需求。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
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~0372Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0104AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









