目录
- python日志在多进程环境下的问题
- 解决办法
- 基于zmq的分布式日志
- 实现思路
- 代码实现
- 多语言支持
- 总结
python日志在多进程环境下的问题
python日志模块logging支持多线程，但是在多进程下写入日志文件容易出现下面的问题：
PermissionError: [WinError 32] 另一个程序正在使用此文件，进程无法访问。
也就是日志文件被占用的情况，原因是多个进程的文件handler对日志文件进行操作产生的。
这个问题经常在TimedRotatingFileHandler、RotatingFileHandler中出现。
解决办法
题主在网上搜集了各种解决上面问题的办法，基本以下面三个方向为主：
- 安装第三方库提供的handler
- 重写filehandler加全局锁
- 使用队列将消息传递
但是三种方法各有小缺陷：
- 第三方库很久无人维护，且支持的功能比较单一，无法满足生产环境的需求。
- 轮转日志的时候由于全局锁的存在，其他子进程无法记录日志，有丢失日志的风险。
- 使用多进程消息队列的缺点在于使用困难，如果是多模块编程，需要将全局队列传来传去，在大型项目中显得很麻烦。
经过对官网的研究 1，题主无意中找到了一种非常方便且高效的方法，并且经过一定的修改使这种方法可用于分布式日志，且支持多语言日志的处理。
唯一的不足是需要新学习一个zmq通信协议，但是这并不是问题，如果只是想要一个解决方案并立即投入使用，只需要按照下面的方法编写，无需关注zmq的相关知识。
基于zmq的分布式日志
实现思路
- 通过zmq的多对一通信，将多个地方的日志发送到一个地方集中处理，从而实现分布式日志。
- 这个方法不仅可以解决python分布日志的问题，还可以很好的兼容其他语言，比如项目中还有C、java，那么可以将它们中的日志也发送过来，一并处理。2
看到这很多人可能明白了，这个方法类似官网提供的SocketHandler，但本方法其实是基于QueueHandler实现的，有利于发挥zmq易用性、可插拔、并发性能好的优点。
代码实现
首先是集中处理日志的程序，也就是上面所说"多对一"中的一
import zmq
import logging
from logging import handlers
class ZeroMQSocketListener(handlers.QueueListener):
def __init__(self, uri="tcp://127.0.0.1:5555", *handlers,**kwargs):
self.respect_handler_level = True # handler日志等级启用，允许对handler设置setLevel，False则忽视级别
self.ctx = kwargs.get('ctx') or zmq.Context()
socket = self.ctx.socket(zmq.SUB)
socket.bind(uri)
socket.setsockopt_string(zmq.SUBSCRIBE, '') # 订阅所有主题
super().__init__(socket, *handlers, respect_handler_level=self.respect_handler_level)
def dequeue(self,block):
msg = self.queue.recv_json()
# print('111',msg) # 测试用
return logging.makeLogRecord(msg)
def main_logger():
# 日志集中处理区，在主程序中调用一次
# handlers配置区，filter可选
formatter = logging.Formatter("%(name)s - %(asctime)s - %(levelname)s - %(module)s - %(funcName)s - %(message)s")
console = logging.StreamHandler()
console.setLevel(logging.ERROR)
ch = handlers.TimedRotatingFileHandler(r'logs\face.log',when='M',
# backupCount=180,
encoding='utf-8')
ch.setLevel(logging.INFO)
ch.setFormatter(formatter) # add formatter to ch
# 设置监听的端口，并传递handlers
loggerListener = ZeroMQSocketListener("tcp://127.0.0.1:5555",*(ch,console))
loggerListener.start() # 开启一个子线程处理记录器监听
# 主进程调用一次，非阻塞
main_logger()
自此，日志集中处理就结束了，是不是很简单，而且需要注意，我们这里不需要用到root logger，因为ZeroMQSocketListener会自动调用各种handlers将日志内容进行处理，想当于替代了logger的工作，所以也就没必要声明一个logger出来了。
更新：
这里的main_logger()是非阻塞，也就是下面还可以写其他代码，但是如果什么代码都没有，那么主进程就会直接退出，日志就收不到了。
如果接下来不需要做其他工作，那么请在main_logger()下方使用while True:time.sleep(0.5) 将主进程阻塞。
- 需要重点关注通信地址"tcp://127.0.0.1:5555"，因为其他地方的日志都会发送到这里来。
接下来是子进程中或者是你想记录日志的任何地方，比如在其他同事的电脑里
- subprocess.py
import logging,zmq
from logging import handlers
# 我们需要的handler
class ZeroMQSocketHandler(handlers.QueueHandler):
def __init__(self, uri="tcp://127.0.0.1:5555", socktype=zmq.PUB, ctx=None):
self.ctx = ctx or zmq.Context()
socket = self.ctx.socket(socktype)
socket.connect(uri)
super().__init__(socket)
def enqueue(self, record):
self.queue.send_json(record.__dict__)
def close(self):
self.queue.close()
# 创建远端日志
rmtlogger = logging.getLogger('sub_root_name') ##
rmtlogger.setLevel(logging.INFO) # 建议设置一下，有时候默认是WARNING级别
rmtlogger.propagate=False # 不允许传递，日志传递到这里就发送到主进程中
# 配置handler
zmqhandler = ZeroMQSocketHandler()
zmqhandler.setLevel(logging.INFO)
rmtlogger.addHandler(zmqhandler)
# if you have submodule
# import submodule
# 记录日志
rmtlogger.info("这是一条遥远的日志")
- 如果是多进程环境下，您大可直接将上面的代码直接开启到多个子进程中，并不会出现网络问题。
logger可以通过python日志的name系统进行传递，也就是说如果子进程中还有其他模块，可以通过日志传递系统将其他模块产生的日志传递过来，最后一并发送给监听器，就像下面：
- submodule.py
# subprocess.py的子模块，如需测试注意调用
import logging
subMolduleLogger = logging.getLogger(f'sub_root_name.modulename')
subMolduleLogger.info("这是一条子模块日志")
# 这部分内容需要logging基础知识
- 上面这条日志会传递给rmtlogger，通过rmtlogger发送到主进程。
在主进程中，设置了logging.Formatter对象，可以将产生日志的名字打印出来，用于区分日志产生的位置。
多语言支持
由于zmq本身就支持多语言，比如你使用c语言或其他语言，只需要在代码中使用zmq将日志通过json发送过来，
python日志可以通过dict方法重建logger对象，具体可以打印上面代码中ZeroMQSocketListener.dequeue中的msg进行摸索，实现起来还是比较简单的。
总结
本篇所提供的多进程日志解决方法的目的是尽可能少做配置和修改，保留原有编程习惯的同时兼顾了代码的易用性。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持小闻网。
参考资料：
python日志zmq的使用 ↩︎
zmq资料 ↩︎
评论(0)