在FastAPI、SQLModel和Postgres中集成Logfire的实践指南
2025-06-27 16:42:53作者:董宙帆
Logfire作为一款强大的日志和监控工具,能够为Python应用提供全面的可观测性支持。本文将详细介绍如何在FastAPI框架中,结合SQLModel和Postgres数据库,正确配置Logfire以实现完整的应用监控。
Logfire基础配置
在FastAPI应用中集成Logfire的第一步是进行基础配置。核心配置需要在应用初始化早期完成,这一点至关重要:
import logfire
from fastapi import FastAPI
logfire.configure(
token=settings.LOGFIRE_TOKEN,
pydantic_plugin=logfire.PydanticPlugin(record="all")
)
这里我们启用了Pydantic插件的完整记录功能,这将捕获所有Pydantic模型的相关操作。需要注意的是,配置必须在所有需要监控的模块导入之前完成,否则部分模型可能无法被正确监控。
数据库监控配置
对于使用SQLModel和Postgres的应用,需要特别注意数据库连接的监控配置。正确的做法是在创建数据库连接之前完成相关插件的初始化:
logfire.instrument_psycopg()
logfire.instrument_sqlalchemy()
# 之后才能初始化数据库连接
create_db_and_tables()
这种顺序确保了从数据库连接建立之初的所有操作都能被Logfire捕获。开发者可以根据实际情况选择监控psycopg或sqlalchemy,或者两者都监控以获得更全面的数据。
FastAPI应用监控
完成基础配置后,我们需要将Logfire与FastAPI应用本身集成:
app = FastAPI()
logfire.instrument_fastapi(app)
这一步骤会监控所有FastAPI的路由请求和响应,为开发者提供API调用的详细追踪信息。
Pydantic模型监控注意事项
当应用中使用Pydantic的BaseSettings进行配置管理时,需要特别注意:
- 确保Logfire配置在所有Pydantic模型定义之前完成
- BaseSettings的子类也会被自动监控
- 对于早期加载的配置模型,可能需要调整加载顺序
完整配置示例
结合上述要点,一个完整的配置示例如下:
import logfire
from fastapi import FastAPI
# 第一步:初始化Logfire
logfire.configure(
token=settings.LOGFIRE_TOKEN,
pydantic_plugin=logfire.PydanticPlugin(record="all")
)
# 第二步:初始化数据库监控
logfire.instrument_psycopg()
logfire.instrument_sqlalchemy()
logfire.instrument_httpx()
# 第三步:创建数据库连接
create_db_and_tables()
# 第四步:创建FastAPI应用并集成监控
app = FastAPI()
logfire.instrument_fastapi(app)
# 最后配置路由
app.include_router(api_router, prefix=settings.API_V1_STR)
监控效果验证
正确配置后,开发者应该能够在Logfire面板中看到:
- 所有API请求和响应的详细信息
- 数据库查询语句和执行时间
- HTTP客户端请求记录
- Pydantic模型的验证和序列化过程
通过这种全面的监控配置,开发者可以获得应用运行时的完整视图,无论是API性能、数据库查询效率还是模型处理过程,都能得到清晰的监控数据,为性能优化和问题排查提供有力支持。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0331- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (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
869
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
295
331

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58