Loguru项目中自定义异常无法序列化的解决方案
2025-05-10 09:43:55作者:龚格成
问题背景
在使用Python日志库Loguru时,开发者可能会遇到自定义异常无法被序列化的问题。具体表现为当尝试记录包含自定义异常的日志时,系统抛出_pickle.PicklingError错误,提示无法pickle自定义异常类。
错误现象
典型的错误信息如下:
_pickle.PicklingError: Can't pickle <class 'app_core.utils.exceptions.ReqNetError'>: attribute lookup ReqNetError on app_core.utils.exceptions failed
这种错误通常发生在以下场景:
- 使用Loguru的异步日志记录功能(设置
enqueue=True) - 尝试记录包含自定义异常的日志
- 自定义异常类定义存在问题
问题根源
该问题的根本原因在于Python的pickle机制无法正确序列化自定义异常类。在Loguru的异步日志记录中,日志消息需要通过pickle序列化后在进程间传递。当自定义异常类不符合pickle的要求时,就会导致序列化失败。
常见的原因包括:
- 异常类定义在动态生成的代码中
- 异常类没有正确的
__module__属性 - 异常类定义在
__init__.py文件中 - 异常类使用了动态生成的方式(如使用
type()或工厂函数创建)
解决方案
方案一:确保异常类可序列化
自定义异常类需要满足以下条件才能被正确序列化:
- 定义在模块的顶层,而不是函数内部
- 具有正确的
__module__属性 - 避免使用动态生成的方式创建异常类
对于使用工厂函数生成的异常类,可以修改为传统定义方式:
class ReqNetError(APIException):
code = 1014
msg = "网络请求错误"
def __init__(self, msg=None, task_guid=None):
self.msg = msg or self.msg
super().__init__(self.msg)
方案二:升级Loguru版本
Loguru 0.7.2版本已经对这类问题做了优化处理。确保你使用的是最新版本:
pip install -U loguru
方案三:正确使用日志记录方法
避免直接将异常对象作为参数传递给日志方法:
# 错误用法 - 会导致序列化问题
try:
raise ReqNetError("Message")
except Exception as err:
logger.error("An error occurred: {}", err) # err会被pickle
# 正确用法
try:
raise ReqNetError("Message")
except Exception:
logger.exception("An error occurred") # 自动记录异常信息
最佳实践
-
定义规范的异常类:确保异常类定义在模块顶层,使用传统类定义方式而非动态生成。
-
测试异常可序列化:在定义异常类后,进行简单的序列化测试:
import pickle pickle.loads(pickle.dumps(ReqNetError("Test"))) -
合理使用日志记录:
- 使用
logger.exception()记录异常 - 避免将异常对象作为参数传递
- 对于需要记录的自定义信息,可以转换为字符串
- 使用
-
保持Loguru更新:定期更新到最新版本以获取更好的兼容性和功能。
总结
Loguru作为Python中强大的日志库,在异步记录时依赖pickle序列化机制。当遇到自定义异常无法序列化的问题时,开发者应从异常类定义和日志记录方式两方面入手解决。通过规范异常类定义、正确使用日志API以及保持库版本更新,可以有效避免这类问题的发生。
记住,良好的异常设计和日志实践不仅能解决技术问题,还能提高代码的可维护性和可读性。在项目初期就建立规范的异常处理机制,将为后续开发打下坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude 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 Started
Rust
570
99
暂无描述
Dockerfile
709
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2