Python多线程日志隔离核心是通过Filter或contextvars注入线程/请求上下文（如thread_name、request_id），配合格式化输出实现逻辑可追溯；推荐轻量Filter方案，协程场景用contextvars替代threading.local，避免basicConfig重复调用等陷阱。
Python多线程下日志隔离的核心，不是靠“每个线程新建一个Logger”，而是利用threading.local()或日志记录器的Filter机制，让每条日志自动带上可区分的上下文（如线程名、请求ID、用户ID），再配合合理的Handler配置，实现逻辑隔离与物理可追溯。
用Logger + Filter 实现线程级上下文注入
Logger本身是线程安全的，但默认不携带线程信息。最轻量且推荐的做法是自定义Filter，动态注入线程标识：
- 继承
logging.Filter，重写filter(record)方法 - 在
record中添加record.thread_name = threading.current_thread().name或更实用的record.request_id - 在日志格式字符串中使用
%(thread_name)s或%(request_id)s - 避免在Filter里做耗时操作（如查数据库），保持轻量
为关键任务分配独立Logger实例（非必需但清晰）
对长期运行、职责明确的线程（如消息消费者、定时任务），可显式创建专用Logger，命名体现职责：
logging.getLogger("worker.order_processor")logging.getLogger("scheduler.daily_cleanup")- 配合
FileHandler按名称分流（例如用RotatingFileHandler分别写入order.log和cleanup.log） - 注意：这些Logger仍共用根Logger的Level和Handler，需单独调用
setLevel()或addHandler()才真正独立
用contextvars替代threading.local（Python 3.7+ 推荐）
当项目涉及协程（asyncio）或混合使用多线程/异步时，threading.local()会失效。此时应改用contextvars.ContextVar：
立即学习“Python免费学习笔记（深入）”；
- 定义
request_id_var = ContextVar("request_id", default="unknown") - 在线程/任务入口处调用
request_id_var.set("req_abc123") - Filter中通过
record.request_id = request_id_var.get()取值 - 天然兼容async/await，无需额外适配
避免常见陷阱
多线程日志最容易翻车的地方不在功能，而在配置和习惯：
- 不要在多线程中反复调用
logging.basicConfig()——它只生效一次，且会覆盖已有Handler - 不要用
print()代替日志：它不线程安全，输出可能错乱，也无法分级/重定向 - 避免在日志消息里拼接敏感数据（如密码、token），应在Formatter中统一脱敏
- 若用
QueueHandler + QueueListener做异步写入，确保队列容量和消费速度匹配，否则会阻塞线程
基本上就这些。核心就一条：日志隔离的本质是“可追溯”，不是“物理隔开”。用好Filter + contextvars + 合理命名，比堆砌多个Logger更稳定、更易维护。
