logging.info 高频变慢因 filehandler 同步阻塞 i/o；优化需兜底判断、合并日志、简化格式、队列限流、异常防护、小文件轮转、禁用冗余备份，并优先用线程池而非协程卸载 i/o。
日志写入频率高时，logging.info 为什么突然变慢？
因为默认的 FileHandler 是同步阻塞的，每次调用 logging.info 都会触发一次磁盘 I/O。高频写入（比如每秒上千条）时，线程会被卡在 write() 系统调用上，CPU 利用率可能不高，但整体响应延迟飙升。
- 别在循环里直接打
logging.info—— 即使日志级别是INFO，格式化字符串和判断逻辑仍会执行 - 用
logger.isEnabledFor(logging.INFO)提前兜底，避免无谓开销 - 把多条日志合并成一条（如用
join()拼接），比逐条写快 3–5 倍（实测 10k 条/秒场景） - 注意
Formatter中的%(asctime)s：每次都要调用time.time()+ 格式化，换成%(relativeCreated)d可省掉 15%–20% 时间
用 QueueHandler + QueueListener 能彻底解耦吗？
能，但不是“加了就快”，关键在队列大小和后台线程行为。它只是把 I/O 搬到另一个线程，如果消费不过来，队列会堆积、内存上涨，甚至引发 Full 异常导致日志丢失。
- 初始化
QueueHandler时务必设queue=queue.Queue(maxsize=1000)，不设等于无限长队列，OOM 风险很高 -
QueueListener的respect_handler_level=True默认是False，意味着即使你设了logger.setLevel(logging.WARNING)，INFO日志仍会进队列——白白占资源 - 后台线程默认不捕获异常，一旦
FileHandler.emit()报错（如磁盘满），整个监听线程静默退出，后续日志全丢，得自己包一层try/except - 不要给
QueueListener加太多 handler，每个 handler 都串行执行；多个文件输出？改用单个RotatingFileHandler+ 自定义emit
RotatingFileHandler 切割大日志时卡顿明显，怎么缓解？
切割动作本身是原子的，但 doRollover() 会先重命名旧文件、再新建文件，期间所有日志写入被阻塞。100MB+ 文件 rename 在机械盘上可能耗时 200ms+，高频场景下这就是雪崩起点。
闪睿企业网站管理系统 2009 SP1 Build 090828
下载
闪睿企业网站管理系统是一套针对企业的网站管理系统。他高效、智能、友好易用。采用ASP.NET 2.0(C#),AJAX.NET 设计，系统架构优秀，高可用性设计，操作简单，功能强大，同时支持任意多语言，初次访问自动生成HTML，模板机制简单而灵活闪睿企业网站管理系统 2009 SP1 Build 090828 更新日志1.招贤纳士前台权限问题2.招贤纳士加入默认内容模版3.增加更多免费模版 后台登
- 把
maxBytes设小一点（比如20_000_000≈ 20MB），避免单文件过大；切割越频繁，每次耗时越短 - 禁用
backupCount或设为1，多备份数 = 多次os.rename，纯累加延迟 - 别用
delay=True，它会让首次写入才建文件，看似省开销，但首次写时要同步创建+chmod，反而更不可控 - 如果业务允许，直接切到
TimedRotatingFileHandler（按天切），避开流量高峰时段的切割压力
异步方案选 aiologger 还是自己套 asyncio.to_thread？
都绕不开 GIL 和系统调用阻塞，纯 Python 异步日志库在 CPU 密集型服务里收益有限；真正有效的是把 I/O 推给线程池，而不是协程。
立即学习“Python免费学习笔记（深入）”；
-
aiologger内部仍是用loop.run_in_executor调线程池，API 更重，且不兼容标准Filter/Formatter，迁移成本高 - 用
asyncio.to_thread(logging.getLogger().info, ...)更轻量，但要注意：不能传可变对象（如dict）进线程，容易引发竞态；建议先json.dumps序列化再传 - 最稳的路是：高频路径只打关键指标（如
log_metric("req_time", 123)），结构化数据走 UDP 发给statsd或OpenTelemetryagent，日志留作低频排障用
高频日志真正的瓶颈从来不在 Python 层，而在磁盘吞吐和文件系统锁；想压榨性能，得盯着 iostat -x 1 里的 %util 和 await，而不是反复调参 logging 模块。
