Python日志分级需按环境差异化配置，合理划分DEBUG（开发诊断）、INFO（关键流程）、WARNING（非中断异常）、ERROR（明确失败）和CRITICAL级别；通过Logger绑定多Handler实现分级分流，结合request_id、LoggerAdapter和exception()方法提升可追踪性；推荐用dictConfig统一管理配置。
Python日志分级不是简单选个level就完事，关键是让不同级别日志在开发、测试、生产环境中各司其职，同时便于快速定位问题源头。
日志级别怎么设才合理
DEBUG、INFO、WARNING、ERROR、CRITICAL五个内置级别，实际使用中容易混淆的是DEBUG和INFO的边界，以及WARNING该不该记录“预期中的异常”。建议：
- DEBUG只用于开发期临时诊断，比如变量值、函数入参、循环中间状态，上线前应关闭或过滤
- INFO记录关键流程节点，如“用户登录成功”“订单创建完成”，不包含敏感数据，且每条有明确业务语义
- WARNING用于非中断性异常情况，比如第三方API返回降级结果、缓存未命中但回源成功，不是所有if判断都该打WARNING
- ERROR必须对应一次明确失败：数据库连接超时、JSON解析失败、权限校验拒绝等，且应附带可追溯的上下文（如request_id、user_id）
Logger、Handler、Formatter怎么组合
一个Logger可以绑定多个Handler，这是实现“分级分流”的核心。例如：
- 控制台Handler只输出WARNING及以上，用简明Formatter（时间+级别+消息）
- 文件Handler按ERROR单独写入error.log，用详细Formatter（含行号、函数名、traceback）
- 生产环境可加SysLogHandler或HTTPHandler，把CRITICAL日志实时推送到监控系统
注意避免重复记录：若root logger和自定义logger都设置了Handler，且未设置propagate=False，同一条日志可能被打印两次。
立即学习“Python免费学习笔记（深入）”；
如何让日志真正可追踪
单靠时间戳和行号不够，尤其在并发或异步场景下。实用做法：
- 在请求入口（如Flask的before_request、FastAPI的Depends）注入唯一request_id，并通过logging.Filter注入到每条日志的extra字段
- 用LoggerAdapter包装logger，自动携带常用上下文：
logger = LoggerAdapter(logger, {'user_id': uid, 'action': 'pay'}) - 对异常日志，优先用
logger.exception("DB query failed")而非logger.error(..., exc_info=True)，前者更简洁且保证traceback完整
配置别硬编码，用字典或配置文件
用logging.config.dictConfig()管理多环境配置，比一堆addHandler()调用更清晰。示例片段：
这样改level或加新Handler只需更新字典，无需动代码。
