PYTHON日志神器nb_log详细介绍和使用说明

个人主页：云纳星辰怀自在

座右铭：“所谓坚持，就是觉得还有希望！”

---

Python的nb_log是一个功能强大且高度灵活的日志记录模块，基于Python内置的logging模块封装，解决了传统日志库的常见痛点（如重复打印、配置复杂等），并增加了多项创新特性。

一、核心特性与优势

1. 智能print增强

   • 自动捕获所有print输出，添加文件名+行号标记（如 [demo.py:18]）

   • 支持IDE控制台点击跳转源码位置

   • 开关：AUTO_PATCH_PRINT = True

2. 多进程安全切割

   • 内置高性能切割器（log_file_handler_type=1）

   • 速度对比：

     平台	原生模块	nb_log	提升倍数
     Windows	ConcurrentRotating	内置切割器	100×
     Linux	ConcurrentRotating	内置切割器	10×

3. 零重复日志机制

   • 自动修复原生logging重复记录问题

   • 确保同一日志绝不重复输出

4. 多通道输出

   graph LR
   A[Logger] --> B[控制台]
   A --> C[日志文件]
   A --> D[钉钉]
   A --> E[邮件]
   A --> F[MongoDB]
   A --> G[Kafka]

   

二、安装与配置

1. 安装方式

# 标准安装
pip install nb_log# 国内镜像加速
pip install nb_log==8.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 初始化配置

import nb_log  # 自动生成配置文件
from nb_log import LogManager# 默认日志器（生成在项目根目录）
logger = LogManager('app').get_logger_and_add_handlers()
logger.info("安装成功！")  # 控制台显示彩色日志[1,3](@ref)

 -->环境问题​​：

• 若未生成配置文件，设置 PYTHONPATH指向项目根目录：

  export PYTHONPATH=/your/project/path # Linux/Mac 
  set PYTHONPATH=C:\your\project\path # Windows[3,6](@ref)

3. 配置文件 nb_log_config.py

# 关键配置项
DEFAULUT_USE_COLOR_HANDLER = True   # 控制台彩色输出
AUTO_PATCH_PRINT = True              # 增强print功能
LOG_FILE_SIZE = 200                  # 切割大小(MB)
LOG_FILE_BACKUP_COUNT = 5            # 备份文件数
LOG_FILE_HANDLER_TYPE = 1            # 多进程安全切割

三、参数详解与用法

1. 日志级别控制

参数	取值	级别	说明
log_level_int	10	DEBUG	最详细调试信息
	20	INFO	常规操作信息
	30	WARNING	潜在问题警告
	40	ERROR	操作错误
	50	CRITICAL	系统级错误

示例：LogManager('api').log_level_int = 30 # 仅记录WARNING及以上

2. 文件日志参数

参数	默认值	说明
log_filename	None	主日志文件名
error_log_filename	None	错误日志独立文件
log_path	"/pythonlogs"	日志存储目录
log_file_size	200(MB)	切割大小
log_file_backup_count	5	备份数量

3. 多目标输出参数

目标	参数	格式示例
钉钉	ding_talk_token	'dda1xxx'
邮件	mail_host+mail_user+mail_password	SMTP配置
MongoDB	mongo_url	'mongodb://user:pass@host:port'
Elasticsearch	es_hosts	['http://user:pass@host:port']

四、场景化代码示例

1. 基础日志记录

logger = LogManager('core').get_logger_and_add_handlers(log_level_int=10,log_filename="app.log",error_log_filename="errors.log",log_file_size=200,log_file_handler_type=1
)# print自动增强
print("用户登录")  # 输出：[app.py:25] 用户登录# 分级记录
logger.debug("SQL: SELECT * FROM users")  # 控制台绿色
logger.info("用户A登录成功")             # 控制台蓝色
logger.error("数据库连接失败")           # 同时写入app.log和errors.log

2. 实时钉钉告警

alert_logger = LogManager('monitor').get_logger_and_add_handlers(ding_talk_token='dda1xxx',is_add_stream_handler=False,log_level_int=40
)# 错误发生时
alert_logger.error("服务异常！CPU使用率95%", extra={'钉钉标题': '服务器紧急告警'})  # 推送钉钉

3. 多进程日志切割

from multiprocessing import Processdef worker(worker_id):logger = LogManager(f'worker_{worker_id}').get_logger_and_add_handlers(log_filename='task.log',log_file_handler_type=1  # 关键参数)for i in range(1000):logger.info(f"Worker {worker_id} 处理任务 {i}")if __name__ == '__main__':procs = [Process(target=worker, args=(i,)) for i in range(8)][p.start() for p in procs][p.join() for p in procs]

4. 自定义日志格式

class CompactFormatter(logging.Formatter):def format(self, record):return f"{record.asctime} | {record.levelname:.1} | {record.msg}"# 应用自定义格式
logger = LogManager('custom').get_logger_and_add_handlers(log_filename="custom.log"
)
for handler in logger.handlers:handler.setFormatter(CompactFormatter())logger.info("精简格式测试")  # 输出：2025-07-16 14:30 | I | 精简格式测试

五、最佳实践指南

1. 环境差异化配置

# nb_log_config.py
import os# 开发环境
if os.getenv('ENV') == 'dev':DEFAULUT_USE_COLOR_HANDLER = TrueAUTO_PATCH_PRINT = TrueLOG_LEVEL = 10  # DEBUG# 生产环境
else:DEFAULUT_USE_COLOR_HANDLER = FalseLOG_LEVEL = 20  # INFODING_TALK_TOKEN = 'dda1xxx'  # 全局钉钉配置

2. 模块化日志管理

# service_logger.py
from nb_log import LogManagerclass ServiceLogger:def __init__(self, service_name):self.logger = LogManager(service_name).get_logger_and_add_handlers(error_log_filename=f"{service_name}_errors.log",log_file_handler_type=1)def critical_error(self, msg):self.logger.error(msg)# 可扩展：添加邮件/短信告警逻辑# 使用示例
user_logger = ServiceLogger('user_service')
order_logger = ServiceLogger('order_service')

3. 高性能配置方案

# 10K+ QPS系统推荐配置
high_perf_logger = LogManager('gateway').get_logger_and_add_handlers(is_add_stream_handler=False,  # 关闭控制台log_filename='gateway.log',log_file_size=1024,  # 1GB切割log_file_handler_type=1,  # 多进程安全formatter_template=7  # 使用最简模板
)

六、故障排查手册

故障现象	诊断步骤	解决方案
配置文件未生成	检查Python路径	设置PYTHONPATH=/项目根目录
钉钉消息未发送	验证Token格式	使用完整Webhook Token（以dda1xxx开头）
日志重复记录	检查Handler数量	确保未混用原生logging添加额外Handler
权限拒绝错误	检查目录权限	Linux: chmod -R 777 /pythonlogs Windows: 目录属性→安全→完全控制
多进程日志丢失	确认切割类型	设置log_file_handler_type=1
性能瓶颈	检查Handler数量	关闭控制台输出，使用最简日志模板

七、高级技巧

1. 动态调整日志级别

• # 运行时调整
  LogManager('api').log_level_int = 40  # 生产环境突发问题临时调高

• 日志分级存储

• # 将ERROR+日志单独存储
  LogManager('db').get_logger_and_add_handlers(error_log_filename='db_critical.log',error_log_level=40
  )

• Kafka日志收集

  kafka_logger = LogManager('kafka').get_logger_and_add_handlers(kafka_bootstrap_servers=['kafka1:9092', 'kafka2:9092'],kafka_topic='app_logs')

八、官方资源

• 📚 官方文档

• 💻 GitHub仓库

• 🐍 PyPI项目

• 🚀 性能测试报告

终极提示：生产环境部署前务必测试日志切割功能，使用命令 logrotate -f /path/to/your/log.conf 验证切割配置可靠性。对于日均GB级日志系统，建议启用 log_file_handler_type=1 并配合ELK栈使用。

​

---

---

---

---

​