Python 3.12 日志核心：深入理解 LogRecord 机制

LogRecord 生命周期

1. 创建：由 Logger.log() 调用 Logger.makeRecord() 生成
2. 处理：经由 Filter、Formatter 等组件
3. 输出：通过 Handler 写入目标（文件/网络等）

完整 Demo 实现

下面是一个扩展 LogRecord 以添加自定义字段的完整示例。我们通过自定义工厂函数和过滤器来实现业务级日志增强。

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)
        self.custom_id = hash(time.time())  # 添加唯一 ID

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  # 返回 True 表示记录通过

# 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()

执行上述代码将输出包含自定义 ID 和字段的日志信息（此处应显示包含自定义字段的日志输出）。

性能优化建议

在实际开发中，为了保持高性能，建议在 Filter 中尽早过滤低级别日志，避免不必要的计算和对象创建。

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，可构建高性能、可扩展的日志架构。实际开发中应善用 extra 参数和自定义工厂实现业务级日志增强。