python中日志配置与使用[1]

和在学校做大作业、毕业设计不同，代码一旦到了生产环境，查找问题、服务监控等操作都需要通过日志来完成了。以前的项目，更多的是从其他同事手中交接一些服务，服务中已经积攒了一些（无论好坏）打日志的规范和方法。

 

近期（其实已经一年了，一直懒得总结）由于排期问题，我糙猛快的写了几个python的服务；而我之前的同事里，是没有人使用py来做项目的，所以总结了一下python中使用日志的使用方式、配置文件的编写，以及一些`helper`方法。

 

日志的存储

 

储存日志的方式是多种多样： 使用网络的、使用文件的、还有使用mongo的。由于公司惯例，全部日志都会打到文件里，然后使用 「年月日时」的方式做为文件名 -- 这是一个好习惯，能够很好的控制日志文件体积，也能在查找问题时快速定位日志； 同时让日志的备份与删除变得容易，只要使用对应的「date」操作就可以完成；还可以根据日志量粗略判断服务压力变化（我知道你们有监控，谁没有呢）。

 

增加日志

 

在python中，最简单地使用日志的方式是这样了：

 

#! /usr/bin/env python

import logging as lg

if __name__ == '__main__':
    lg.warning('this is a warning')

 

这时，打印出来的日志，就会打印到终端（还没有写到文件里）。如果想写到文件，你需要增加一些配置：

 

#! /usr/bin/env python

import logging as lg

if __name__ == '__main__':
    lg.basicConfig(filename='pylog.log')
    lg.warning('this is a warning')

 

重新执行这个文件，终端的输出不见了，文件里面会记录你增加的日志。这样，你就可以使用grep、sed和awk来处理日志，查找响应的信息了。

 

`basicConfig`还有一些参数可以设置： filename, filemode, format, datefmt, level, stream。 配合不同的日志等级，这种使用方式可以满足绝大多数脚本的需求。

 

LogLevel

如果你用过gcc，那你一定忽略warning而不能无视error。在程序中也是一样： 有一些错误是需要你注意的，比如缓存容量已经使用了70%，需要你手动干预；一些错误需要你起床来处理的，比如db无法连接。人工去过滤这些信息是不可能的，所以需要合理的使用log level，来完成对应的操作。

 

python自带的logging提供了debug、info、warning、error和critical五种不同的日志级别，用来区分不同的场景。五种级别，严重成都递增，且设置loglevel后（翻到上面，看看baseConfig的介绍），会屏蔽低优先级的日志（也就是说，如果你设置log level为warning，那么info日志就不会出现在日志文件中）。详细介绍在 https://docs.python.org/2/howto/logging.html 。在我日常的使用中，是这样设置loglevel的：

• 开发环境，debug
• 线下联调，info
• 线上环境，warning

配合合理的优先级，当你需要查找某类日志时，只需要这么做：

写道

-> % cat pylog.log | grep '^W'
WARNING:root:this is a warning

 

 

到目前为止，简单介绍了日志的使用和分级，后续会介绍生产环境中的一些常用配置，和一些helper方法。