structlog 25.4.0版本发布:异常组支持与Python 3.13兼容性升级
structlog是一个强大的Python结构化日志记录库,它通过处理器链的方式提供了灵活且可扩展的日志记录功能。与标准库logging模块相比,structlog更注重于结构化数据的记录,使得日志信息更易于解析和分析。
主要更新内容
Python 3.13.4兼容性修复
本次发布的一个重要背景是即将到来的Python 3.13.4版本中包含了一个向后不兼容的变更。这个变更影响了logging.Logger.isEnabledFor()方法的行为:当有日志条目正在处理时,该方法现在会始终返回False。
这一变化主要影响了structlog标准库集成中的structlog.stdlib.filter_by_level()功能。开发者应当在升级Python 3.13.4之前先升级structlog到25.4.0版本,以确保日志过滤功能正常工作。
异常组支持
25.4.0版本引入了对Python异常组(Exception Groups)的支持,这一功能借鉴了Rich库的实现方式。异常组是Python 3.11引入的新特性,允许将多个异常作为一个组抛出和处理。
structlog的tracebacks模块现在能够正确处理异常组,新增了两个重要字段:
is_group: 布尔值,标识是否为异常组exceptions: 包含所有子异常的列表
这一改进使得structlog能够更全面地捕获和记录复杂的异常情况,特别是在异步编程场景中,异常组的使用越来越普遍。
其他改进
异常美化处理器修复
ExceptionPrettyPrinter处理器现在能够正确尊重exception_formatter参数,而不是总是使用默认的格式化器。这意味着开发者可以更灵活地自定义异常信息的显示方式。
技术细节
对于异常组的支持实现,structlog采用了类似Rich库v14.0.0的处理方式。异常组中的每个子异常都会被递归处理,最终形成一个完整的异常跟踪树。这种处理方式特别适合复杂的并发编程场景,能够清晰地展示异常之间的关系。
在性能方面,structlog保持了其一贯的高效特性。即使增加了异常组的支持,日志处理的性能开销仍然保持在最低水平。
升级建议
对于正在使用structlog的项目,特别是那些计划升级到Python 3.13.4的项目,强烈建议尽快升级到25.4.0版本。升级过程通常是无缝的,但需要注意以下几点:
- 如果项目中使用了自定义的异常处理器,可能需要检查它们是否能够正确处理异常组
- 在Python 3.13.4环境下,确保所有依赖
filter_by_level的功能都经过充分测试 - 对于复杂的异步应用,可以利用新的异常组支持来获得更详细的错误信息
structlog 25.4.0继续保持了项目的稳定性和可靠性,同时增加了对Python最新特性的支持,为开发者提供了更强大的日志记录工具。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0188
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08