线上问题排查，日志是第一手线索。Python 项目中，日志写得不规范、不完整，或者关键信息缺失，会让定位问题变成“盲人摸象”。真正有效的日志，不是越多越好，而是该有的上下文都有、能还原执行路径、带可追溯标识、且不影响性能。
日志必须包含唯一请求 ID
微服务或 Web 应用中，一次用户操作可能横跨多个模块甚至多个服务。没有统一的请求 ID，日志就散落在各处，无法串联。建议在入口（如 Flask 的 before_request 或 Django 的中间件）生成 UUID 或短 ID，并注入到 logging 的 LoggerAdapter 或 Filter 中，让每条日志自动带上 request_id 字段。
- 避免手动在每个 log.info() 里拼接 request_id —— 易漏、难维护
- 使用 logging.Filter 是更干净的做法：重写
filter(record)方法，动态给 record 添加属性 - 配合 structured logging（如使用 structlog 或 loguru），可直接输出 JSON，方便 ELK 或 Loki 检索
异常日志要带完整 traceback 和上下文变量
只记录 except Exception as e: logger.error(str(e)) 是典型反模式。它丢失了堆栈、局部变量、入参等关键信息，根本无法复现。
- 一律用
logger.exception("描述性消息")或logger.error("...", exc_info=True) - 在捕获异常时，主动记录关键业务变量（如 user_id、order_no、input_data），但注意脱敏，避免打印密码、token、身份证号等
- 对异步任务（Celery/asyncio），确保异常被捕获并记录到主线程日志，而不是被静默吞掉
区分日志级别，避免 INFO 泛滥
生产环境 INFO 级别日志如果包含大量高频、无区分度的内容（比如“收到请求”、“进入函数”），会快速淹没真正有价值的线索，还拖慢 I/O。
在线证件照系统是一套完善的冲印行业解决方案，致力于解决用户线上拍摄证件照，拍摄最美最标准证件照的使命。证件照免费版功能：后台统计：当天制作、当天新增、支持规格、近7日统计规格列表：筛选查看、编辑用户列表：筛选查看常见问题：筛选查看、新增、编辑、删除小程序设置：应用设置、流量主设置小程序跳转：筛选查看、新增、编辑、删除关注公众号：引导设置系统要求：系统：Linux系统（centos x64）运行环境
立即学习“Python免费学习笔记（深入）”；
- DEBUG：仅开启调试时用，本地或预发环境启用；生产默认关闭
- INFO：记录有业务意义的状态节点，如“订单创建成功（id=12345）”、“缓存刷新完成（key=user_789）”
- WARNING：记录非错误但需关注的情况，如降级触发、重试第 2 次、HTTP 调用超时但兜底成功
- ERROR/CRITICAL：只用于真正影响功能的异常，且必须可行动 —— 看到这条日志，应该知道下一步查什么
日志输出要结构化、可检索、有时区
纯文本日志在日志平台中搜索困难，尤其当字段混在一起时。时间戳没时区也会导致跨地域服务时间对不上。
- 用 %(asctime)s 格式化时，设置
datefmt='%Y-%m-%d %H:%M:%S.%f%z'并配置logging.basicConfig(..., force=True)确保生效 - 推荐用 loguru：开箱支持结构化 JSON 输出、自动异常回溯、线程/进程安全、无需 handler 配置
- 关键字段（如 service_name、env、host、trace_id）应作为 extra 传入，不要硬编码进 msg 字符串
不复杂但容易忽略：上线前跑一次日志采样检查 —— 模拟真实请求，看几条典型日志是否含 request_id、时间是否带时区、ERROR 是否带 traceback、敏感字段是否已过滤。这一步花 5 分钟，能省下几小时排查时间。
