框架应用日志记录：让程序“说话”

为什么需要日志记录

你有没有遇到过这种情况：用户突然跑来说系统出错了，但你自己试了一遍又一遍，啥问题都没有。这时候要是有个“目击者”把每一步操作记下来就好了——这就是日志的作用。在现代软件开发中，框架应用日志记录不是可有可无的功能，而是排查问题、监控运行状态的刚需。

比如一个电商网站下单失败，没有日志的话，开发者只能靠猜。加了日志后，就能看到是库存扣减没成功，还是支付接口返回了异常。

主流框架怎么处理日志

大多数现代开发框架都内置了日志模块。以 Python 的 Django 为例，默认就集成了 logging 模块，只需要简单配置就能输出不同级别的信息。

<!-- settings.py 中的日志配置片段 -->
'handlers': {
    'file': {
        'level': 'WARNING',
        'class': 'logging.FileHandler',
        'filename': '/path/to/django.log',
    },
},
'loggers': {
    'django': {
        'handlers': ['file'],
        'level': 'WARNING',
        'propagate': True,
    },
}

这段配置会让所有警告及以上级别的日志写入文件。当数据库连接失败或者权限校验出错时，都会自动留下痕迹。

实际使用中的小技巧

光记录还不够，得让日志“看得懂”。建议在关键业务节点主动打点。比如用户登录成功后加一条 info 级别的日志：

import logging
logger = logging.getLogger('myapp')

def login(request):
    if authenticate(username, password):
        logger.info(f'User {username} logged in from {request.META.get("REMOTE_ADDR")}')
        # ...

这样运维人员查问题时，能快速定位到具体行为和时间点。就像行车记录仪，关键时刻能还原现场。

别让日志拖慢系统

日志太多也麻烦。曾经有个项目把每个API请求参数都原样记录，结果每天生成几十GB日志，磁盘爆满导致服务中断。后来改成只记录关键字段，并加上自动归档和清理策略才解决。

合理设置日志级别很重要。生产环境一般用 warning 或 error，调试阶段再临时调成 debug。同时可以把日志推送到 ELK 这类集中式平台，方便搜索和报警。

好的日志系统就像个靠谱的同事，平时默默观察，出事时能立刻说出“刚才谁干了什么”。与其事后抓耳挠腮，不如早点把日志安排明白。