日志 logging

logging：把 print 调试升级成正经日志

各位写代码的时候，是不是几乎都干过这种事——

代码跑出问题了，怎么办？随手在可疑位置插一行 print('xxx')，再跑一次，看输出在哪儿断掉。然后再插一行 print('yyy')，再跑。最后整个文件里散落着十几个 print('111')、print('here')、print(user)，bug 修好之后，要么忘了删，要么删了又怕下次再调试时还得重新插。

本地玩玩还能凑合，可一旦把代码部署到服务器，问题就来了——

「线上挂了，咋回事？」打开服务器一看，啥都没有。print 默认是写到标准输出的，要是程序被 systemd 或者 Docker 拉起来，输出可能根本没人接，或者全混在一起，谁也分不清是哪个时间、哪个模块、哪条业务挂的。

「让我加点日志吧。」于是各位开始改代码，把 print 换成 print(time.strftime('%H:%M:%S'), 'xxx')，再加一段把它写到文件里的逻辑——写完发现，自己在重新发明日志库。

Python 标准库里早就备好了答案，就叫 logging。一行不长的代码，就能让输出自带「时间戳 + 级别 + 模块名 + 进程信息」，还能同时写到控制台、文件、远程服务器，并且可以一键切换「调试时啥都打、上线后只打 ERROR」。

这一章咱们就从最简单的 logging.info('hi') 开始，一路讲到生产环境会怎么用。学完之后，各位应该能：

1. 写出第一个带时间戳的日志，不再用 print 调试
2. 知道 5 个日志级别分别该用在什么场景
3. 用 getLogger(__name__) 给每个模块一个独立的 logger
4. 用 RotatingFileHandler 防止日志文件无限膨胀
5. 用 dictConfig + yaml 在生产环境集中管理日志配置
6. 用 logger.exception() 在 except 里自动带上完整的 traceback
7. 知道什么时候该上「结构化日志」，什么时候继续用文本日志

走起。