flask的自带logger和celery的自带logger的使用

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：

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

flask的自带logger和celery的自带logger的使用

flask中使用logger

加载自定义的配置文件

在celery中使用logger

猜你喜欢