Python 3.12 Logging 核心：LogRecord 机制解析与定制实战

生命周期与实战定制

LogRecord 的生命周期通常分为三步：由 Logger.log() 调用 Logger.makeRecord() 生成，经过 Filter 和 Formatter 处理，最后通过 Handler 写入目标（文件、网络等）。

在实际开发中，我们经常需要扩展 LogRecord 来添加业务字段。下面是一个完整的示例，演示如何自定义 LogRecord 类并注入工厂函数。

完整代码示例

这段代码展示了如何继承 LogRecord 添加自定义字段（如唯一 ID），并通过过滤器为未指定字段的记录补全默认值。

import logging
import logging.config
import time

class CustomLogRecord(logging.LogRecord):
    """扩展 LogRecord 以添加自定义字段"""
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        # 添加唯一 ID，模拟业务追踪
        self.custom_id = hash(time.time())

def custom_record_factory(name, level, fn, lno, msg, args, exc_info, func=None, sinfo=None, **kwargs):
    """自定义 LogRecord 工厂函数"""
    record = CustomLogRecord(name, level, fn, lno, msg, args, exc_info, func, sinfo)
    return record

# 定义一个过滤器，为记录添加默认的 custom_field
class DefaultCustomFieldFilter(logging.Filter):
    def __init__(self, default_value="d"):
        super().__init__()
        self.default_value = default_value

    def filter(self, record):
        if not hasattr(record, 'custom_field'):
            record.custom_field = self.default_value
        return True

# 配置日志系统
logging_config = {
    "version": 1,
    "formatters": {
        "detailed": {
            "format": "[%(asctime)s][%(levelname)s][%(name)s]-[ID=%(custom_id)s]-%(message)s # custom:%(custom_field)s",
            "datefmt": "%Y-%m-%d %H:%M:%S"
        }
    },
    "handlers": {
        "console": {
            "class": "logging.StreamHandler",
            "formatter": "detailed",
            "level": "DEBUG",
            "filters": ["default_custom_field"]
        }
    },
    "loggers": {
        "demo": {
            "handlers": ["console"],
            "level": "DEBUG"
        }
    },
    "filters": {
        "default_custom_field": {
            "()": DefaultCustomFieldFilter,
            "default_value": ""
        }
    }
}

def main():
    # 应用配置并设置自定义工厂
    logging.config.dictConfig(logging_config)
    logging.setLogRecordFactory(custom_record_factory)
    
    logger = logging.getLogger("demo")
    
    # 标准日志记录
    logger.info("Service started")
    
    # 添加自定义字段
    logger.debug("Debug with extra", extra={"custom_field": "debug_value"})
    
    # 异常处理示例
    try:
        1 / 0
    except Exception as e:
        logger.error("Math error occurred", exc_info=True)

if __name__ == "__main__":
    main()

运行上述代码后，控制台会输出带有自定义 ID 和字段的日志格式。你可以看到 ID 字段来自 CustomLogRecord 的初始化逻辑，而 custom_field 则由过滤器补充。

性能优化建议

在编写日志逻辑时，注意避免冗余计算。特别是在 Filter 中，应尽早过滤掉低级别的日志请求，减少后续处理器的开销。

总结

LogRecord 作为日志系统的核心载体，通过灵活的属性和工厂机制支持深度定制。结合 Python 3.12 的优化特性，可以构建高性能、可扩展的日志架构。实际开发中，善用 extra 参数和自定义工厂是实现业务级日志增强的关键。