logging日志配置文件管理与生产环境最佳实践

dictConfig配置（推荐）：

import logging.config

LOGGING_CONFIG = {
    'version': 1,
    'formatters': {
        'standard': {
            'format': '%(asctime)s [%(levelname)s] %(name)s: %(message)s'
        },
    },
    'handlers': {
        'console': {
            'class': 'logging.StreamHandler',
            'formatter': 'standard',
            'level': 'INFO',
        },
        'file': {
            'class': 'logging.handlers.RotatingFileHandler',
            'filename': 'app.log',
            'maxBytes': 10485760,  # 10MB
            'backupCount': 5,
            'formatter': 'standard',
        },
    },
    'loggers': {
        'myapp': {
            'handlers': ['console', 'file'],
            'level': 'DEBUG',
        },
    },
    'root': {
        'handlers': ['console'],
        'level': 'WARNING',
    },
}
logging.config.dictConfig(LOGGING_CONFIG)

fileConfig：从logging.conf文件读取配置，适合传统项目。

生产环境最佳实践：

1. 使用RotatingFileHandler或TimedRotatingFileHandler避免日志无限增长
2. 结构化日志：使用JSON格式（python-json-logger），便于日志分析系统（ELK/Loki）解析
3. 异步日志：避免I/O阻塞主线程，使用QueueHandler + QueueListener
4. 敏感信息脱敏：自定义Filter过滤密码、Token
5. 分布式追踪：结合contextvars或logging.LoggerAdapter注入Request ID