Loguru项目中自定义异常无法序列化的解决方案
2025-05-10 03:08:41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
kernelopenEuler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。C086
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python057
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0137
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
472
3.49 K
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
213
86
暂无简介
Dart
719
173
Ascend Extension for PyTorch
Python
278
314
React Native鸿蒙化仓库
JavaScript
286
333
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++
848
432
🎉 (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
1.27 K
696
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
10
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19