CentOS Python日志处理技巧

在CentOS系统里搞Python日志处理，几乎是每个开发者绕不开的日常。别看它基础，但坑不少，用好了能省下大量排错时间。下面就把一些实战中沉淀下来的技巧串一遍。

先从最核心的入手——Python自带的logging模块，它足够强大，而且零依赖。一个典型配置长这样：

import logging

logging.basicConfig(
    level=logging.DEBUG,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    filename='app.log',
    filemode='a'
)

logging.debug('This is a debug message')
logging.info('This is an info message')
logging.warning('This is a warning message')
logging.error('This is an error message')
logging.critical('This is a critical message')

这里把日志写到了文件里，级别从低到高全开了。但实际生产环境里，日志文件会飞速膨胀，所以日志轮转几乎是刚需。

日志轮转：让文件别撑爆磁盘

Python提供了两种现成的轮转处理器，直接用就行。

RotatingFileHandler —— 按文件大小轮转。比如下面这段代码，每个日志文件最大1MB，最多保留3个备份：

from logging.handlers import RotatingFileHandler

logger = logging.getLogger('my_logger')
logger.setLevel(logging.DEBUG)

handler = RotatingFileHandler('app.log', maxBytes=1024*1024, backupCount=3)
handler.setLevel(logging.DEBUG)

formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
handler.setFormatter(formatter)

logger.addHandler(handler)
logger.debug('This is a debug message')

TimedRotatingFileHandler —— 按时间轮转。比如每天午夜轮转一次，保留最近7天的日志：

from logging.handlers import TimedRotatingFileHandler

logger = logging.getLogger('my_logger')
logger.setLevel(logging.DEBUG)

handler = TimedRotatingFileHandler('app.log', when='midnight', interval=1, backupCount=7)
handler.setLevel(logging.DEBUG)

formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
handler.setFormatter(formatter)

logger.addHandler(handler)
logger.debug('This is a debug message')

两种方式各有用武之地：文件大小轮转适合日志量波动大的场景；时间轮转更符合运维习惯，方便按天归档。

日志级别：选对层次才能抓住关键

logging模块内置了5个标准级别，从低到高分别是：DEBUG、INFO、WARNING、ERROR、CRITICAL。开发阶段可以开到DEBUG，生产环境通常设在WARNING以上，避免刷屏。关键是，不同模块可以用不同级别，灵活控制输出粒度。

日志格式：信息越全越好，但不能乱

通过format字符串，我们可以定制每条日志携带的字段。除了前面用到的asctime（时间）、name（记录器名）、levelname（级别）、message（消息），还有两个很实用的：

• %(filename)s —— 记录日志的文件名
• %(lineno)d —— 记录日志的行号

组合起来就是：'%(asctime)s - %(filename)s:%(lineno)d - %(levelname)s - %(message)s'，这样定位问题能直接跳到代码位置，效率翻倍。

日志集中管理：从单机到集群

单机玩得转，上了规模就不够了。大型系统通常需要把几十个应用实例的日志汇聚到一处。行业里常见的方案是ELK堆栈（Elasticsearch、Logstash、Kibana），或者用Graylog。思路都一样：应用把日志输出到本地文件，由采集器（如Filebeat）发送到中心服务器，再索引、搜索、可视化。这一步虽然属于运维范畴，但开发者了解之后，可以在写日志时就设计好统一格式，避免后期清洗的麻烦。

第三方库：更简洁的选择

如果觉得内置logging配置略显繁琐，可以试试loguru。它把配置简化到了一行代码：

from loguru import logger

logger.add('app.log', rotation="500 MB", retention="7 days")

logger.debug('This is a debug message')
logger.info('This is an info message')
logger.warning('This is a warning message')
logger.error('This is an error message')
logger.critical('This is a critical message')

自动轮转、自动清理、彩色输出，开箱即用。不过引入第三方库意味着多一个依赖，小项目无所谓，大项目需要评估兼容性。这个取舍，就看具体场景了。

以上这些技巧，基本覆盖了CentOS下Python日志处理的常见需求：从单文件记录到轮转策略，从级别控制到格式设计，再到集中管理和第三方工具。掌握好它们，至少能让你在排查线上问题时，少翻几次日志文件。