flask的自带logger和celery的自带logger的使用

内容预览:
  • 在celery和flask框架中都有自带的logger使用方法~
  • 下面记录一下相关的使用~
  • flask中使用logger flask中的app对象FLASK()自带了logger方法,其调用的...~

在celery和flask框架中都有自带的logger使用方法。下面记录一下相关的使用。

flask中使用logger

flask中的app对象FLASK()自带了logger方法,其调用的方式为:

from flask import current_app

current_app.logger.error('this is a error')
current_app.logger.info('this is a info')
current_app.logger.warning('this is a wraning')
current_app.logger.debug('this is a debug')

自带的logger其实也是通过python的logging模块创建logger对象得到的,源码为:

# logging.py
from logging import getLogger, getLoggerClass
def create_logger(app):
...
# 创建一个调试模式下的日志处理器,级别为debug
debug_handler = DebugHandler()
debug_handler.setLevel(DEBUG)
debug_handler.setFormatter(Formatter(DEBUG_LOG_FORMAT))
# 创建一个运行过程的日志处理器,级别为error
prod_handler = ProductionHandler(_proxy_stream)
prod_handler.setLevel(ERROR)
prod_handler.setFormatter(Formatter(PROD_LOG_FORMAT))
# 获取应用的名字,即app = Flask(app.name)传入的参数名,然后创建一个logger对象
logger = getLogger(app.logger_name)
# 先清空以前所有的处理器
del logger.handlers[:]
logger.__class__ = DebugLogger
# 加入新的处理器
logger.addHandler(debug_handler)
logger.addHandler(prod_handler)

# 默认情况下不继承
logger.propagate = False

return logger

说明:当程序调用current_app.logger时,会得到create_logger函数返回的logger对象,使用的是ProductionHandler处理器,日志的输出格式为:

PROD_LOG_FORMAT = '[%(asctime)s] %(levelname)s in %(module)s: %(message)s'

但很多时候我们不满意自带的日志输出格式,想要自定义,那么就需要加载自己的日志配置文件。

加载自定义的配置文件

  • 在配置文件中需要配置以app.logger_name为名称的logger对象;如:app.logger_name=’app’

[loggers]
keys=root,app

[handlers]
keys=consoleHandler

[formatters]
keys=simpleFormatter

[logger_root]
level=INFO
handlers=consoleHandler

[logger_app]
level=INFO
handlers=consoleHandler
qualname=app
propagate=0

[handler_consoleHandler]
class=StreamHandler
level=INFO
formatter=simpleFormatter
args=(sys.stdout,)

[formatter_simpleFormatter]
format=%(asctime)s - %(name)s - %(levelname)s [%(pathname)s:%(lineno)d]: %(message)s

  • 加载文件

# app.py

app = Flask(__name__)

# 在载入配置文件之前必须先调用一次app.logger得到一个logger对象,然后才能载入配置文件,否则无效
app.logger.info('this is a info')
logging.config.fileConfig(Config.FILEPATH)

注意:在载入配置文件之前必须先调用一次app.logger得到一个logger对象,然后才能载入配置文件,否则无效。

在celery中使用logger

celery也有自带的logger,使用方法:

from celery.utils.log import get_task_logger
# 创建一个logger对象
logger = get_task_logger('name')

celery的logger调用的仍然是logging模块的logger.

# 源码
# get_task_logger函数调用了get_logger函数
# 传入一个字符串获取一个logger对象
def get_logger(logger):
"""Get logger by name."""
# 判断该参数是不是字符串,是就获取一个logger对象
if isinstance(logger, string_t):
logger = logging.getLogger(logger)
# 没有处理器就添加NullHandler处理器
if not logger.handlers:
logger.addHandler(logging.NullHandler())
return logger

  • 其相关的配置可以在celery的配置文件中设置;

# 在4.0版本后改成了小写,但是原来的还没有弃用
CELERYD_HIJACK_ROOT_LOGGER :默认true,先前所有的logger的配置都会失效,可以通过设置false禁用定制自己的日志处理程序;
CELERYD_LOG_COLOR :是否开启不同级别的颜色标记,默认开启;
CELERYD_LOG_FORMAT :设置celery全局的日志格式;默认格式:"[%(asctime)s: %(levelname)s/%(processName)s] %(message)s"
CELERYD_TASK_LOG_FORMAT:设置任务日志格式,默认:"[%(asctime)s: %(levelname)s/%(processName)s [%(task_name)s(%(task_id)s)] %(message)s"
CELERY_REDIRECT_STDOUTS:设置标准输入输出重定向到当前的处理器,默认为 true
CELERY_REDIRECT_STDOUTS_LEVEL:设定标准输入输出重定向到当前的处理器日志的输出级别;即指定使用print()输出的是什么级别的日志记录;默认wraning;

注意:

  1. 由于celery的运行是独立的,在flask中定义的logger对象的配置在celery的程序中是失效的,必须使用get_task_logger创建logger;

  2. 指定celery日志的输出等级,通过启动时用–loglevel参数来指定;

以上就是:flask的自带logger和celery的自带logger的使用 的全部内容。

本站部分内容来源于互联网和用户投稿,如有侵权请联系我们删除,谢谢。
Email:[email protected]


0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论