Python 日志系统设计:构建可观测的应用

2.11 Python 日志与调试:AI 应用的可观测基础 摘要 本文介绍了Python日志系统在AI应用开发中的关键作用,重点讲解了如何构建可观测性基础。文章面向熟悉Java日志系统的开发者,详细阐述了Python logging模块的核心概念(Logger、Handler、Formatter、Level),并提供了结构化日志(JSON格式)的实现方案。特别针对AI应用场景,展示了如何记录LLM调用的关键信息(prompt内容、token消耗、响应时间等),这些日志对于生产环境的问题排查和成本控制至关重要。文章提供了可直接使用的代码示例,包括日志配置、JSON格式 阅读详情

Python 日志系统设计:构建可观测的应用

引言

大家好,我是一名正在从Rust转向Python的后端开发者。在构建大型应用程序时,日志系统是不可或缺的组成部分。良好的日志系统不仅能帮助我们追踪问题,还能提供应用运行时的关键洞察。作为从Rust过来的开发者,我发现Python的logging模块功能非常强大,但配置起来也相对复杂。今天,我想和大家分享一下我在设计Python日志系统方面的一些经验。

日志系统的重要性

为什么需要日志系统?

  1. 问题排查:快速定位和解决生产环境中的问题
  2. 性能监控:追踪应用性能指标
  3. 安全审计:记录关键操作和访问记录
  4. 业务分析:通过日志数据了解用户行为

日志级别

Python的logging模块定义了以下日志级别:

级别数值用途
DEBUG10详细的调试信息
INFO20一般信息
WARNING30警告信息
ERROR40错误信息
CRITICAL50严重错误信息

基础配置

简单配置

import logging

# 基础配置
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
)

logger = logging.getLogger(__name__)

logger.debug('这是一条调试信息')
logger.info('这是一条普通信息')
logger.warning('这是一条警告信息')
logger.error('这是一条错误信息')
logger.critical('这是一条严重错误信息')

输出到文件

import logging

logging.basicConfig(
    level=logging.DEBUG,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    filename='app.log',
    filemode='w'  # 'w' 覆盖模式,'a' 追加模式
)

logger = logging.getLogger(__name__)
logger.info('应用启动')

高级配置

使用配置字典

import logging
from logging.config import dictConfig

logging_config = {
    'version': 1,
    'disable_existing_loggers': False,
    'formatters': {
        'standard': {
            'format': '%(asctime)s - %(name)s - %(levelname)s - %(message)s'
        },
        'detailed': {
            'format': '%(asctime)s - %(name)s - %(levelname)s - %(module)s:%(lineno)d - %(message)s'
        }
    },
    'handlers': {
        'console': {
            'class': 'logging.StreamHandler',
            'formatter': 'standard',
            'level': 'INFO'
        },
        'file': {
            'class': 'logging.FileHandler',
            'filename': 'app.log',
            'formatter': 'detailed',
            'level': 'DEBUG'
        },
        'error_file': {
            'class': 'logging.FileHandler',
            'filename': 'error.log',
            'formatter': 'detailed',
            'level': 'ERROR'
        }
    },
    'loggers': {
        '': {  # root logger
            'handlers': ['console', 'file', 'error_file'],
            'level': 'DEBUG',
            'propagate': True
        }
    }
}

dictConfig(logging_config)
logger = logging.getLogger(__name__)
logger.debug('调试信息')
logger.info('普通信息')
logger.error('错误信息')

自定义日志格式

import logging

# 创建logger
logger = logging.getLogger('my_app')
logger.setLevel(logging.DEBUG)

# 创建formatter
formatter = logging.Formatter(
    '%(asctime)s - %(name)s - %(levelname)s - %(process)d - %(thread)d - %(message)s'
)

# 创建handler
console_handler = logging.StreamHandler()
console_handler.setLevel(logging.INFO)
console_handler.setFormatter(formatter)

file_handler = logging.FileHandler('app.log')
file_handler.setLevel(logging.DEBUG)
file_handler.setFormatter(formatter)

# 添加handler到logger
logger.addHandler(console_handler)
logger.addHandler(file_handler)

logger.info('应用启动')

实际应用场景

场景1:多模块日志管理

在大型项目中,每个模块应该有自己的logger:

# module_a.py
import logging

logger = logging.getLogger(__name__)

def do_something():
    logger.debug('正在执行do_something')
    try:
        # 业务逻辑
        logger.info('操作成功')
    except Exception as e:
        logger.error(f'操作失败: {e}', exc_info=True)
# main.py
import logging
from logging.config import dictConfig
import module_a

logging_config = {
    'version': 1,
    'disable_existing_loggers': False,
    'formatters': {
        'standard': {
            'format': '%(asctime)s - %(name)s - %(levelname)s - %(message)s'
        }
    },
    'handlers': {
        'console': {
            'class': 'logging.StreamHandler',
            'formatter': 'standard',
            'level': 'INFO'
        }
    },
    'loggers': {
        'module_a': {
            'handlers': ['console'],
            'level': 'DEBUG',
            'propagate': False
        }
    }
}

dictConfig(logging_config)

if __name__ == '__main__':
    logger = logging.getLogger(__name__)
    logger.info('应用启动')
    module_a.do_something()

场景2:日志轮转

对于长期运行的应用,日志文件会不断增大,需要进行轮转:

import logging
from logging.handlers import RotatingFileHandler, TimedRotatingFileHandler

logger = logging.getLogger('my_app')
logger.setLevel(logging.DEBUG)

# 按文件大小轮转
rotating_handler = RotatingFileHandler(
    'app.log',
    maxBytes=1024 * 1024 * 5,  # 5MB
    backupCount=5  # 保留5个备份
)

# 按时间轮转
timed_handler = TimedRotatingFileHandler(
    'app.log',
    when='midnight',  # 每天午夜轮转
    interval=1,
    backupCount=7  # 保留7天的日志
)

formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
rotating_handler.setFormatter(formatter)
timed_handler.setFormatter(formatter)

logger.addHandler(rotating_handler)
logger.addHandler(timed_handler)

场景3:结构化日志

在现代应用中,结构化日志(JSON格式)越来越流行:

import logging
import json
from datetime import datetime

class JsonFormatter(logging.Formatter):
    def format(self, record):
        log_record = {
            'timestamp': datetime.now().isoformat(),
            'logger': record.name,
            'level': record.levelname,
            'message': record.getMessage(),
            'module': record.module,
            'line': record.lineno
        }
        
        if record.exc_info:
            log_record['exception'] = self.formatException(record.exc_info)
        
        return json.dumps(log_record)

logger = logging.getLogger('structured_logger')
logger.setLevel(logging.DEBUG)

handler = logging.StreamHandler()
handler.setFormatter(JsonFormatter())
logger.addHandler(handler)

logger.info('用户登录', extra={'user_id': 123, 'ip': '192.168.1.1'})
logger.error('数据库连接失败', extra={'db_host': 'localhost', 'db_port': 5432})

场景4:日志过滤

根据条件过滤日志:

import logging

class ErrorFilter(logging.Filter):
    def filter(self, record):
        # 只允许ERROR级别及以上的日志通过
        return record.levelno >= logging.ERROR

logger = logging.getLogger('filtered_logger')
logger.setLevel(logging.DEBUG)

console_handler = logging.StreamHandler()
console_handler.setLevel(logging.DEBUG)
console_handler.addFilter(ErrorFilter())

formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
console_handler.setFormatter(formatter)

logger.addHandler(console_handler)

logger.debug('调试信息')  # 不会输出
logger.info('普通信息')   # 不会输出
logger.error('错误信息')  # 会输出

最佳实践

1. 使用结构化日志

结构化日志便于日志分析和查询:

import logging

logger = logging.getLogger(__name__)

# 使用extra参数添加额外信息
logger.info('用户登录成功', extra={
    'user_id': 123,
    'username': 'john_doe',
    'ip_address': '192.168.1.100',
    'user_agent': 'Mozilla/5.0'
})

2. 记录异常信息

try:
    # 可能出错的代码
    result = risky_operation()
except Exception as e:
    # 记录完整的异常堆栈
    logger.error(f'操作失败: {e}', exc_info=True)
    # 或者使用logger.exception自动记录堆栈
    logger.exception('操作失败')

3. 使用日志包装器

import logging
from functools import wraps

def log_function_call(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        logger = logging.getLogger(func.__module__)
        logger.debug(f'调用 {func.__name__}, 参数: args={args}, kwargs={kwargs}')
        try:
            result = func(*args, **kwargs)
            logger.debug(f'{func.__name__} 执行成功, 返回: {result}')
            return result
        except Exception as e:
            logger.error(f'{func.__name__} 执行失败: {e}', exc_info=True)
            raise
    return wrapper

@log_function_call
def process_data(data):
    # 处理数据
    return data

4. 配置分离

将日志配置放在单独的配置文件中:

# logging_config.py
LOGGING_CONFIG = {
    'version': 1,
    'disable_existing_loggers': False,
    'formatters': {
        'standard': {
            'format': '%(asctime)s - %(name)s - %(levelname)s - %(message)s'
        }
    },
    'handlers': {
        'console': {
            'class': 'logging.StreamHandler',
            'formatter': 'standard',
            'level': 'INFO'
        }
    },
    'loggers': {
        '': {
            'handlers': ['console'],
            'level': 'DEBUG',
            'propagate': True
        }
    }
}
# main.py
from logging.config import dictConfig
from logging_config import LOGGING_CONFIG

dictConfig(LOGGING_CONFIG)

与Rust日志系统的对比

特性Python loggingRust log crate
配置方式代码配置或配置文件编译时配置
日志级别运行时可调整编译时确定
结构化日志需要自定义formatter原生支持
性能一般非常快
生态丰富的第三方库简洁的核心库

实战项目:完整的日志系统

import logging
from logging.config import dictConfig
from logging.handlers import RotatingFileHandler
import json
from datetime import datetime

class JsonFormatter(logging.Formatter):
    def format(self, record):
        log_record = {
            'timestamp': datetime.now().isoformat(),
            'logger': record.name,
            'level': record.levelname,
            'message': record.getMessage(),
            'module': record.module,
            'line': record.lineno,
            'process': record.process,
            'thread': record.thread
        }
        
        if record.exc_info:
            log_record['exception'] = self.formatException(record.exc_info)
        
        if hasattr(record, 'extra'):
            log_record.update(record.extra)
        
        return json.dumps(log_record)

def setup_logging():
    logging_config = {
        'version': 1,
        'disable_existing_loggers': False,
        'formatters': {
            'json': {
                '()': JsonFormatter
            },
            'standard': {
                'format': '%(asctime)s - %(name)s - %(levelname)s - %(message)s'
            }
        },
        'handlers': {
            'console': {
                'class': 'logging.StreamHandler',
                'formatter': 'standard',
                'level': 'INFO'
            },
            'file': {
                'class': 'logging.handlers.RotatingFileHandler',
                'filename': 'app.log',
                'formatter': 'json',
                'level': 'DEBUG',
                'maxBytes': 1024 * 1024 * 5,
                'backupCount': 5
            },
            'error_file': {
                'class': 'logging.handlers.RotatingFileHandler',
                'filename': 'error.log',
                'formatter': 'json',
                'level': 'ERROR',
                'maxBytes': 1024 * 1024 * 5,
                'backupCount': 5
            }
        },
        'loggers': {
            'app': {
                'handlers': ['console', 'file', 'error_file'],
                'level': 'DEBUG',
                'propagate': False
            },
            'app.database': {
                'handlers': ['file'],
                'level': 'DEBUG',
                'propagate': False
            },
            'app.api': {
                'handlers': ['console', 'file'],
                'level': 'INFO',
                'propagate': False
            }
        }
    }
    
    dictConfig(logging_config)

if __name__ == '__main__':
    setup_logging()
    
    logger = logging.getLogger('app')
    db_logger = logging.getLogger('app.database')
    api_logger = logging.getLogger('app.api')
    
    logger.info('应用启动')
    db_logger.debug('连接数据库')
    api_logger.info('处理API请求')

总结

构建一个良好的日志系统是构建可观测应用的关键。通过合理配置日志级别、输出格式和存储策略,我们可以实现:

  1. 问题快速定位:通过详细的日志信息快速定位问题
  2. 性能监控:通过日志分析应用性能
  3. 安全审计:记录关键操作
  4. 业务分析:通过日志数据了解系统运行状态

作为从Rust转向Python的开发者,我发现Python的日志系统虽然配置复杂,但灵活性很高。通过合理使用,可以构建出满足各种需求的日志系统。


延伸阅读:

Python冷门库实战:解锁Logfire的日志记录与可观测性能力 Logfire将Python日志记录升级为现代化可观测性系统,支持结构化日志、分布式追踪和性能监控。它基于OpenTelemetry标准,提供自动上下文注入、低开销数据收集和可视化仪表板。通过简单配置即可与传统logging模块集成,还能与FastAPI、Flask等Web框架深度结合。Logfire特别适合微服务架构,能自动追踪跨服务请求,记录数据库查询和外部API调用。相比传统日志工具,它提供更丰富的可观测性功能,包括自定义指标、安全过滤和性能优化选项。该工具降低了分布式系统的运维复杂度,帮助开发者快速 阅读详情

相关推荐

基于Elastic Stack构建ChatGPT API日志分析平台:实现成本、性能与洞察的可观测性

在软件开发和运维领域,日志分析是保障系统稳定性、优化性能和管控成本的核心实践。其原理在于通过采集、解析、索引和可视化应用产生的海量日志数据,将非结构化的信息转化为可度量的指标和洞察。这一技术价值在于将黑盒系统变为白盒,实现从被动响应到主动预防的转变,广泛应用于性能监控、故障排查、安全审计和成本优化等场景。随着以ChatGPT为代表的大语言模型API被广泛集成到业务中,其调用成本、响应延迟和使用模式成为新的关键观测点。本文聚焦于如何将成熟的Elastic Stack(ELK)日志观测体系应用于AI API调用

weixin_30780649的博客 589

10. 可观测性:应用健康

本文由 CNCF + Alibaba 云原生技术公开课 整理而来 需求来源 当把应用迁移到 Kubernetes 之后,要如何去保障应用的健康与稳定呢?其实很简单,可以从两个方面来进行增强: 1. 首先是提高应用的可观测性 2. 其次是提高应用的可恢复能力 从可观测性方面看,可以在三个角度进行增强: 1. 首先是应用的健康状态,可以实时地进行观测 2. 其次是可以获取应用的资源使用情况 3. 最后是可以拿到应用的实时日志,进行问题的诊断与分析 当出现问题之后,首先要做的事情是降低影响的范围,进.

变成习惯 607

Langfuse实战:构建可观测的大模型智能体应用

在大模型应用开发中,可观测性是实现工程化落地的关键。传统日志系统难以追踪模型调用、提示词工程和复杂工作流的完整链路,导致调试困难、评估主观。通过引入全链路追踪、调试与评估平台,开发者可以结构化记录每一次模型调用(Generation)、业务步骤(Span)和事件(Event),形成可查询、可分析的数据对象。这种技术方案的核心价值在于将“黑盒”开发转变为数据驱动,为优化提示词、调整模型参数和评估输出质量提供客观依据。在应用场景上,它特别适用于需要持续迭代的智能体、RAG系统和复杂链式应用,帮助团队建立统一的评

weixin_29075633的博客 298

Python-SocketIO 监控与日志:构建可观测的实时应用系统的终极指南

Python-SocketIO 是一个强大的实时通信库,为现代 Web 应用提供可靠的 Socket.IO 协议支持。在构建实时应用系统时,监控与日志功能是确保系统稳定运行的关键要素。本文将为您详细介绍如何在 Python-SocketIO 中实现全面的监控与日志体系,帮助您构建高度可观测的实时应用系统。🚀 ## 为什么实时应用需要监控与日志? 实时应用系统面临着独特的挑战:持续的数据流、大

gitblog_01082的博客 692

FastAPI日志系统设计与实践:告别print,打造可观测服务

在异步服务开发中,日志是问题定位的第一抓手。基于Python标准库logging,我们可以构建一套结构化的日志体系,通过中间件为每个请求注入唯一request_id,并配合ContextVar实现上下文透传。日志不仅是print加时间戳,更是需要设计的子系统。文章从日志格式、文件轮转、异常捕获到脱敏与性能优化,覆盖FastAPI生产级日志实战,帮助开发者建立可检索、可关联、可聚合的观测能力。

weixin_42350014的博客 269

AIGC大模型应用教学平台

该平台采用最新的AI推理加速芯片,提供30Tops算力和32GB存储,能够运行常见的大语言模型如ChatGLM2、Llama2、Baicuan、Mistral等,也可以运行文生图扩散模型Stable Diffusion,提供大模型微调、量化、转换和加速推理服务。在此基础上,平台还提供常见的生成式AI应用,包括AIGC知识抽取增强(RAG)、AIGC绘画、AIGC会话聊天、数字虚拟人等应用,以便学生能够掌握最新的生成式AI模型微调、提示工程和智能体应用技能。

中智讯的博客 1209

终极指南:MCP Python SDK日志与通知 - 构建可观测的AI服务监控体系

在当今AI驱动的应用开发中,构建可靠且可观测的服务变得至关重要。MCP Python SDK(Model Context Protocol)为开发者提供了强大的日志记录和通知机制,帮助您轻松实现AI服务的全方位监控。本文将详细介绍如何利用MCP Python SDK的日志与通知功能,打造一个透明、可追踪的AI服务监控体系,确保您的应用始终处于可控状态。 ## 为什么日志与通知对AI服务至关重要

gitblog_00274的博客 1129

2024“华为杯”中国研究生数学建模竞赛(A题)深度剖析_数学建模完整过程+详细思路+代码全解析

目标是优化风力涡轮机的功率调度,使其在给定的实时风速数据下,最小化涡轮机关键组件(如塔架和主轴)的疲劳损伤。问题的挑战在于,考虑通信延迟和测量噪声的同时,要确保功率输出与风速变化的响应快速且准确。

2401_82549447的博客 6633

AutoGen日志监控与可观测性体系建设

日志与可观测性是AI系统稳定运行与高效运维的基石。AutoGen内置Trace日志、结构化事件日志与分布式Tracing,支持OpenTelemetry集成,助力中国开发者构建高可观测性AI应用。本文系统梳理AutoGen日志与监控体系、Python实战、最佳实践与常见问题。日志与可观测性是AI系统稳定运行的保障。实践中应重视日志分级、异常捕获、追踪ID与指标采集。建议先本地集成验证,后平滑迁移至生产环境。善用AutoGen官方文档与社区资源,持续优化可观测性体系。

加入“Super Entity”,与全能开发团队共探AI智能体与数字人项目,开启前沿技术之旅。 1202

解决/usr/lib64/libstdc++.so.6和/lib64/libc.so.6版本过低问题

在CentOS7.0中编译好MySQL5.7.14之后,然后在CentOS6.5中初始化MySQL,执行:/usr/local/mysql/bin/mysqld --version出现如下问题:./bin/mysqld: /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.15' not found (required by ./bin/mysqld)

poxiaonie的博客 2万+

麒麟V10桌面操作系统安装Qt5.12.3

在虚拟机中如何安装麒麟V10桌面系统,以及在麒麟系统中安装Qt框架,并正常编译运行Qt程序

阿龙的思考 3602

【服务器与部署 10】Python日志管理大师:从零构建企业级日志收集与分析系统

本文全面解析Python应用的日志管理技术,从基础的logging模块使用到企业级的ELK Stack部署。通过生动的类比和实际案例,帮助开发者掌握日志的核心概念、最佳实践和高级技术。文章涵盖日志级别设计、格式化策略、轮转机制、分布式日志收集、实时分析和智能告警等关键技术,为构建可观测性强的Python应用提供完整解决方案。

熵数实验室 2000

PLC的模糊PID控制

模糊PID控制包括模糊化,确定模糊规则,解模糊等组成部分,小车通过传感器采集赛道信息,PLC通过温度传感器获取炉内温度,确定当前实际温度和设定目标值的偏差e(error), e=setpoint-input以及偏差的变化ec(当前偏差-上次偏差),根据给定的模糊规则进行模糊推理,最后对模糊参数进行解模糊,输出PID控制参数 其次我们需要对这2个参数进行模糊化,e 、 ec 这里我对e进行举例,两个输入的标准化范围都在 [-1,1] 范围内。模糊逻辑控制器还产生范围 [-1,1] 内的归一化输出。 博

RXXW_Dor的博客 1万+

Python Flask 容器化应用链路可观测

本文通过 Python Flask 应用容器化部署示例,介绍如何通过观测云进行链路追踪,以实现对应用的性能监控和问题定位。

观测云的博客 1159

【stm32+K210项目】基于K210与STM32协同工作的智能垃圾分类系统设计与实现(完整工程资料源码)

本系统采用SG90舵机Maix Bit摄像头STM32C8T6主控板以及LX_TRIG_MP3_V6.0语音播报模块,构建了一套高效的智能垃圾分类系统,综合运用了图像识别、语音播报及精准控制技术。SG90舵机负责控制垃圾桶的开盖操作。该舵机通过接收PWM信号来实现转动,内部有一个基准电路产生周期为20ms的PWM信号,通过外部脉冲信号的控制(高电平时间在0.5ms至2.5ms之间),使得舵机的输出轴转动到指定位置。舵机内的位置反馈电位计。

嵌入式技术开发 5103

双端之Nginx+Php结合PostgreSQL搭建Wordpress

制作的 PG4WP 分支版本,它与所有版本的 WordPress 兼容,解决了原版的一些问题。参数,确保 PostgreSQL 正在监听默认端口(通常是 5432),或者你自定义的端口。:PG4WP 插件存在缺陷和不完整的功能,可能与最新版本的 WordPress 不兼容。的插件,它允许 WordPress 使用 PostgreSQL 数据库。,如果看到 Nginx 的默认欢迎页面,说明 Nginx 已正确安装。,如果看到 Nginx 的默认欢迎页面,说明 Nginx 已正确安装。

宇宙第一小趴菜的博客 1894

FlaskBB监控与日志:构建可观测的论坛系统

FlaskBB作为一款基于Python Flask框架的轻量级论坛软件,其稳定运行离不开完善的监控与日志系统。本文将详细介绍如何配置和利用FlaskBB的日志功能,以及如何通过监控确保论坛系统的可靠运行,帮助管理员快速定位问题并优化性能。 ## 为什么论坛系统需要监控与日志? 论坛系统作为用户交互频繁的平台,任何故障都可能影响用户体验和社区活跃度。监控可以实时跟踪系统状态,日志则记录了系统运行

gitblog_00693的博客 472

杰理AC696N系列芯片,烧录的时候烧录器连接上芯片之后电脑显示无法识别该设备,该怎么解决?

🏆 本文收录于《全栈Bug调优(实战版)》专栏,致力于分享我在项目实战过程中遇到的各类Bug及其原因,并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者,本文将为你指引出一条更高效的Bug修复之路,助你早日登顶,迈向财富自由的梦想🚀!同时,欢迎大家关注、收藏、订阅本专栏,更多精彩内容正在持续更新中。让我们一起进步,Up!Up!Up!    备注: 部分问题/难题源自互联网,经过精心筛选和整理,结合数位十多年大厂实战经验资深大佬经验总结所得,数条可行方案供所需之人参考。

**My Coding Family** 1715

大模型实战:构建可观测的大模型调用监控与日志系统

本文从工程实践角度出发,探讨如何为大模型应用构建可观测系统。作者提出需要监控三类核心指标:调用级(token消耗、延迟)、场景级(不同业务场景表现)和Agent级(各智能体运行状态)。通过封装统一的LLMClient中间层,在调用过程中自动记录各项指标数据,并建议先通过日志文件实现基础统计功能,再逐步接入专业监控系统。文中提供了详细的代码示例,包括日志结构设计、Agent标签追踪和成本估算方法,帮助开发者快速定位性能瓶颈和费用热点。这种分层监控方案能有效提升大模型应用的运维能力。

VitAgent 企业智能|企业 AI 工作台与私有化部署 1190

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

使用 OpenLIT 对 LLM 应用进行可观测

本文主要介绍如何通过 OpenLIT 实现对大规模语言模型(LLM)的全面可观测性,并借助观测云对 LLM 的应用场景进行统一的数据收集、处理和实时监控。

观测云的博客 1483

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Python编程:日志打印

在 Python 中,日志打印(logging)是一种比使用 print() 更强大、灵活且可维护的方式来输出调试信息、运行状态或错误信息。Python 标准库中自带了 logging 模块,可以用于记录日志并控制日志级别、格式、输出位置等。

倔强老吕的博客 1346

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

AI 对话模型日志混乱的统一链路追踪与观测体系构建

以上,我们讨论了如何构建 AI 对话模型日志混乱情况下的统一链路追踪与观测体系。通过选择 OpenTelemetry 作为链路追踪的基础,统一日志格式,并构建完善的观测体系,我们可以更好地理解模型的运行状态,快速定位问题瓶颈,优化模型性能,并提升用户体验。这套体系的构建需要考虑日志分散、格式不统一、上下文丢失和性能开销等挑战,并需要根据实际情况选择合适的工具和技术。只有这样,我们才能实现对 AI 对话模型全面的监控和分析,从而保证其稳定性和可靠性。

weixin_41455464的博客 881

Python编码系列—Python日志记录与监控:提升应用可观测性的关键技术

在现代软件开发中,日志记录和监控是确保应用健康运行和快速定位问题的关键手段。Python提供了强大的日志记录库和监控工具,使得开发者能够轻松实现日志管理和实时监控。本文将深入探讨Python日志记录与监控的原理、实际应用,并结合具体项目案例。日志记录是软件开发中用于记录程序运行时的信息,而监控则是实时跟踪和评估系统性能和健康状态的过程。良好的日志记录与监控策略可以帮助开发者及时发现和解决应用中的问题,提高系统的稳定性和可靠性。日志记录与监控是提高Python应用可观测性和可靠性的重要手段。

u013889591的专栏 1223

告别 `print` 调试:构建生产级 Python 应用的日志系统

本文介绍了如何构建生产级Python应用的日志系统,替代传统的print调试方式。首先分析了print在生产环境中的三大缺陷:缺乏持久化、信息维度单一和难以分级过滤。然后深入讲解了Python logging模块的核心架构,包括Logger、Handler和Formatter组件的功能与配置方法,并提供了基础文件日志的代码示例。最后进阶讲解了企业级日志方案,涵盖异常追踪、耗时记录和异步日志等高阶用法,通过装饰器示例演示了如何记录函数执行时间和异常堆栈。文章旨在帮助开发者构建更专业、高效的日志系统,提升生产环

weixin_42636075的博客 808

【Python日志可视化实战指南】:掌握5大工具快速构建高效日志监控系统

掌握Python日志视图可视化实现的完整方案,解决日志分散、排查低效难题。涵盖ELK、Grafana、Logging+Matplotlib等5大工具在运维监控与故障排查中的实战应用,提升系统可观测性。方法实用,效果直观,值得收藏。

BreakVein的博客 807

观测云实现python应用数据采集

在docker中部署一个python示例应用,在主机中安装部署datakit来采集容器数据,应用的链路信息以及日志,并且实现日志和链路的串联。

zje1110的博客 861
上一篇: Rust FFI与C交互:跨语言编程实践
下一篇: Python 配置管理最佳实践:灵活应对环境变化
第一程序员
博客等级 码龄1年 1万+粉丝 1827原创
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值