python运行时动态调整日志级别需修改logger或handler的level属性，确保disabled=false，并注意层级关系与配置覆盖问题。
Python程序运行时，无需重启即可调整日志级别，核心是修改日志器（Logger）或处理器（Handler）的 level 属性，并确保日志器未被禁用（disabled=False）。
获取并修改目标 Logger 的级别
最常用方式是通过 logging.getLogger(name) 获取已有日志器，然后设置其 setLevel()：
- 若使用默认根日志器：`logging.getLogger().setLevel(logging.WARNING)`
- 若自定义了命名日志器（如 `app.logger`）：`logging.getLogger('app').setLevel(logging.DEBUG)`
- 注意：日志器级别生效需满足“日志器级别 ≤ Handler 级别”，否则仍可能被 Handler 过滤
同步更新 Handler 的级别（必要时）
仅改 Logger 级别不够？常见于自定义 Handler 场景。需遍历其 handlers 并显式设置：
- `for h in logging.getLogger('app').handlers: h.setLevel(logging.DEBUG)`
- 若 Handler 是文件或流输出类型（如 FileHandler、StreamHandler），该操作直接影响实际输出内容
- 建议在修改后调用 `logger.debug("test")` 验证是否生效
运行时暴露控制接口（Web/CLI 场景）
生产环境常通过轻量接口动态调控，例如 Flask 中添加管理端点：
立即学习“Python免费学习笔记（深入）”；
- 定义路由如 `/loglevel?name=app&level=INFO`，解析参数并执行 `getLogger(name).setLevel(getattr(logging, level))`
- 命令行可结合 argparse + `logging.basicConfig()` 初始化后调整，或读取配置文件热重载
- 安全提示：对外接口需鉴权，避免未授权下调高日志级别引发性能或敏感信息泄露
避免常见失效情况
动态调整失败往往源于配置逻辑覆盖或层级误判：
- 检查是否多次调用 basicConfig() —— 它仅在日志系统未初始化时生效，后续调用无效
- 确认没有父日志器（如 'app.db' 的父级是 'app'）设置了更高 level，导致子日志器日志被向上拦截
- 使用 logging.getLogger().manager.loggerDict 查看当前所有日志器状态，辅助排查遗漏实例
