Python在Ubuntu上的日志管理

日志管理这事儿，说大不大，说小不小。在Ubuntu上跑Python应用，如果你不提前规划好日志怎么记、怎么轮转、怎么分析，等到线上出了bug，你就得在一堆杂乱无章的文本里大海捞针。反过来，如果从一开始就搭好一套合理的日志体系，不管是开发调试还是生产监控，都能省下大把精力。

下面咱们就从头到尾捋一遍，从Python自带的logging模块，到第三方增强库，再到系统层面的日志轮转和集中分析平台——尽量做到不遗漏关键环节。

一、使用Python内置logging模块

logging是Python标准库自带的日志工具，不需要装任何额外包。它支持分级记录（DEBUG/INFO/WARNING/ERROR/CRITICAL），可以定制输出格式，也能同时往控制台和文件里写。对于多数中小型项目，用它完全够用。

1. 基础配置

如果只是简单记个日志，basicConfig一行就能搞定。设置好级别、格式、文件名，后面直接调用对应的记录方法就行：

import logginglogging.basicConfig(level=logging.DEBUG,# 设置最低日志级别（低于此级别的日志将被忽略）format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',# 包含时间、模块名、级别和消息datefmt='%Y-%m-%d %H:%M:%S',# 时间格式filename='app.log',# 日志文件路径filemode='a'# 文件模式：'a'追加（默认），'w'覆盖)logger = logging.getLogger(__name__)# 获取当前模块的日志记录器logger.debug('Debug message')# 记录调试信息logger.info('Info message')# 记录常规信息logger.warning('Warning message')# 记录警告信息logger.error('Error message')# 记录错误信息logger.critical('Critical message')# 记录严重错误信息

2. 高级配置（配置文件）

项目大了以后，把日志配置写在代码里不太好维护。更常见的做法是用JSON、YAML或INI文件来管理。拿JSON举个例子：

// config.json{"version": 1,"formatters": {"standard": {"format": "%(asctime)s - %(name)s - %(levelname)s - %(message)s","datefmt": "%Y-%m-%d %H:%M:%S"}},"handlers": {"file": {"class": "logging.FileHandler","filename": "app.log","level": "DEBUG","formatter": "standard","mode": "a"}},"loggers": {"": {// 根记录器"handlers": ["file"],"level": "DEBUG","propagate": true// 是否向上传播到父记录器}}}

然后在Python代码里用dictConfig加载：

import loggingimport jsonwith open('config.json', 'r') as f:config = json.load(f)logging.config.dictConfig(config)# 加载字典配置logger = logging.getLogger(__name__)

3. 多处理器扩展

有时候既想看到控制台输出实时调试，又要保存完整文件记录。那就给同一个logger挂上多个handler，分别设置不同的级别和格式：

import logging# 创建控制台处理器console_handler = logging.StreamHandler()console_handler.setLevel(logging.INFO)console_formatter = logging.Formatter('%(levelname)s - %(message)s')console_handler.setFormatter(console_formatter)# 创建文件处理器file_handler = logging.FileHandler('app.log')file_handler.setLevel(logging.DEBUG)file_formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')file_handler.setFormatter(file_formatter)# 获取记录器并添加处理器logger = logging.getLogger(__name__)logger.setLevel(logging.DEBUG)logger.addHandler(console_handler)logger.addHandler(file_handler)

二、第三方日志库增强功能

如果觉得标准库配置起来还是有点啰嗦，或者想要更强大的功能（比如自动轮转、错误监控），可以看看一些成熟的第三方库。

1. Loguru（简易高效）

Loguru的口号就是“让你不要碰logging框架”。一行代码就能配置好文件输出、自动轮转、压缩和彩色打印：

from loguru import logger# 添加文件处理器（自动轮转500MB，保留5个备份，压缩）logger.add("app.log", rotation="500 MB", retention=5, compression="zip")logger.debug('Debug message')logger.info('Info message')logger.error('Error message')

2. Sentry（错误监控）

Sentry是专门的错误实时追踪平台，适合生产环境。当代码抛出异常时，可以自动把堆栈和上下文信息发送到Sentry后台，方便快速定位问题：

import sentry_sdkfrom sentry_sdk.integrations.logging import LoggingIntegrationfrom logging import getLogger, ERROR# 初始化Sentry（替换为你的DSN）sentry_sdk.init(dsn="YOUR_SENTRY_DSN",integrations=[LoggingIntegration(level=ERROR, event_level=ERROR)]# 将ERROR及以上级别日志发送到Sentry)logger = getLogger(__name__)try:1 / 0# 故意引发错误except Exception as e:logger.error("Division by zero error", exc_info=True)# 记录错误堆栈sentry_sdk.capture_exception(e)# 发送到Sentry

三、日志轮转管理

日志文件不能无限增长，否则磁盘早晚撑爆。轮转就是把一个大日志文件按照大小或时间切成多个小文件，并且自动清理旧的。

1. Python内置轮转

标准库提供了两种轮转处理器：

• 按大小轮转（RotatingFileHandler）：每个文件最大10MB，保留3个备份。

from logging.handlers import RotatingFileHandlerhandler = RotatingFileHandler('app.log', maxBytes=10*1024*1024, backupCount=3)# 单个文件最大10MB，保留3个备份handler.setLevel(logging.DEBUG)formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')handler.setFormatter(formatter)logger.addHandler(handler)

• 按时间轮转（TimedRotatingFileHandler）：每天午夜轮转一次，保留7天的日志。

from logging.handlers import TimedRotatingFileHandlerhandler = TimedRotatingFileHandler('app.log', when='midnight', interval=1, backupCount=7)# 每天午夜轮转，保留7天handler.setLevel(logging.DEBUG)formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')handler.setFormatter(formatter)logger.addHandler(handler)

2. Ubuntu logrotate工具

系统层级的轮转工具是logrotate，它不依赖Python代码，可以用cron定时执行。很多系统服务（如nginx、syslog）的日志都靠它管理。

• 安装：

  sudo apt-get install logrotate

• 为Python应用创建配置文件：

  sudo nano /etc/logrotate.d/python_app

  内容示例（每天轮转一次，保留7天，压缩，使用copytruncate避免重启应用）：

  /var/log/python/app.log {dailyrotate 7compressmissingoknotifemptycopytruncate# 不重启应用的情况下清空原日志文件}

• 手动测试：

  sudo logrotate -f /etc/logrotate.d/python_app

四、系统日志集成

如果想把Python日志纳入Ubuntu的系统日志体系（比如通过systemd journal或rsyslog统一管理），也有现成的方案。

1. 使用systemd journal

通过syslog模块可以直接往journal里写日志，然后用journalctl查看：

import syslog# 发送日志到systemd journal（优先级为LOG_INFO，标签为'python_app'）syslog.syslog(syslog.LOG_INFO, 'This is a log message from Python')# 查看journal中的日志import subprocesssubprocess.run(['journalctl', '-f', '-t', 'python_app'])# 实时查看标签为'python_app'的日志

2. 配置rsyslog

如果想把日志转发到远程服务器，rsyslog是更灵活的选择：

• 编辑配置文件：

  sudo nano /etc/rsyslog.d/python.conf

  内容示例（UDP转发到192.168.1.100:514）：

  local0.* @192.168.1.100:514# UDP转发# local0.* @@192.168.1.100:514# TCP转发（更可靠）

• 重启服务：

  sudo systemctl restart rsyslog

五、日志分析与可视化

日志记下来不是目的，目的是出了问题能快速定位、日常能看出趋势。这时候就需要一个集中的分析和展示平台。

1. ELK Stack（Elasticsearch + Logstash + Kibana）

ELK是目前最流行的日志分析组合，Elasticsearch负责存储和搜索，Logstash负责采集和解析，Kibana负责可视化。部署起来稍微有些门槛，但效果确实不错。

• 安装三步走：

  # 添加Elastic APT仓库wget -qO - https://artifacts.elastic.co/GPG-KEY-elasticsearch | sudo apt-key add -echo "deb https://artifacts.elastic.co/packages/7.x/apt stable main" | sudo tee -a /etc/apt/sources.list.d/elastic-7.x.listsudo apt-get update# 安装组件sudo apt-get install elasticsearch logstash kibana# 启动服务sudo systemctl start elasticsearchsudo systemctl start kibana

• 配置Logstash接收Python日志：创建/etc/logstash/conf.d/python.conf：

  input {file {path => "/var/log/python/app.log"start_position => "beginning"sincedb_path => "/dev/null"# 首次运行时忽略sincedb文件}}filter {# 可选：添加过滤器解析日志（如JSON格式）# json {# source => "message"# }}output {elasticsearch {hosts => ["localhost:9200"]index => "python-logs-%{+YYYY.MM.dd}"# 按日期创建索引}stdout { codec => rubydebug }# 控制台输出（调试用）}

• 启动Logstash：

  sudo systemctl start logstash

• 打开浏览器访问http://localhost:5601，进入Kibana后配置索引模式（比如python-logs-*），然后就可以通过图表和仪表盘来实时分析日志了。

从基础的内置模块到企业级的ELK，这套流程覆盖了Python日志在Ubuntu上的完整生命周期。至于具体选哪种搭配，取决于你的项目规模、团队习惯和运维能力。小项目可以用logging加logrotate，大项目或者微服务场景则值得上ELK或Sentry。关键是先动起来，别等到线上出故障才后悔没记日志。