from logging.handlers import RotatingFileHandler, TimedRotatingFileHandler

# 按大小轮转配置
handler = RotatingFileHandler("app.log", maxBytes=10*1024*1024, backupCount=5)
handler.setFormatter(logging.Formatter("%(asctime)s - %(levelname)s - %(message)s"))
logging.getLogger().addHandler(handler)

# 按时间轮转配置
handler = TimedRotatingFileHandler("app_timed.log", when="midnight", interval=1, backupCount=7)
handler.setFormatter(logging.Formatter("%(asctime)s - %(levelname)s - %(message)s"))
logging.getLogger().addHandler(handler)

系统级轮转（使用 Debian 系统 logrotate 工具）：
对于通过 systemd 管理的常驻服务，使用系统自带的 logrotate 进行集中管理更为规范。只需在 /etc/logrotate.d/ 目录下创建配置文件，例如 myapp：

/var/log/myapp.log {
    daily
    rotate 8
    compress
    delaycompress
    missingok
    notifempty
    create 0640 root adm
}

配置完成后，可使用以下命令测试并强制执行轮转：

sudo logrotate --debug /etc/logrotate.d/myapp
sudo logrotate -f /etc/logrotate.conf

总结来说，应用内轮转 提供了更精细、与应用紧密集成的控制；而 系统级轮转 则实现了对系统所有服务日志的统一、标准化管理，尤其适合生产环境。

三、集成系统日志与 journalctl 查看方法

将应用日志发送到系统日志（syslog），有利于实现所有日志的集中收集与统一分析。在 Debian 系统中，可以按如下方式配置：

import logging
from logging.handlers import SysLogHandler

logger = logging.getLogger(__name__)
handler = SysLogHandler(address="/dev/log")  # Debian 系统默认的 syslog 套接字路径
handler.setFormatter(logging.Formatter("%(name)s: %(levelname)s %(message)s"))
logger.addHandler(handler)
logger.info("此消息已发送至系统日志")

日志发送后，可通过以下两种主流方式查看：

• 查看传统日志文件：使用 tail -f /var/log/syslog 命令实时追踪日志动态。
• 使用 journalctl 工具（适用于使用 systemd-journald 的系统）：
  • 查看全部日志：journalctl
  • 按服务单元筛选：journalctl -u 服务名称
  • 按时间范围过滤：journalctl --since “2025-01-01” --until “2025-01-31”

四、配置文件管理与多环境适配方案

将日志配置从业务代码中解耦，是提升项目可维护性的最佳实践。推荐使用 INI 格式的配置文件：

[loggers]
keys=root

[handlers]
keys=fileHandler

[formatters]
keys=simpleFormatter

[logger_root]
level=DEBUG
handlers=fileHandler

[handler_fileHandler]
class=FileHandler
level=DEBUG
formatter=simpleFormatter
args=('app_config.log', 'a')

[formatter_simpleFormatter]
format=%(asctime)s - %(name)s - %(levelname)s - %(message)s
datefmt=%Y-%m-%d %H:%M:%S

在 Python 代码中加载该配置文件：

import logging.config
logging.config.fileConfig("logging.conf")
logger = logging.getLogger(__name__)

若需要更动态灵活的配置方式，可以使用字典配置，这在程序化调整配置时尤为方便：

import logging.config

logging.config.dictConfig({
    "version": 1,
    "formatters": {
        "standard": {
            "format": "%(asctime)s [%(levelname)s] %(name)s: %(message)s"
        }
    },
    "handlers": {
        "default": {
            "level": "INFO",
            "class": "logging.StreamHandler",
            "formatter": "standard"
        }
    },
    "loggers": {
        "": {
            "handlers": ["default"],
            "level": "INFO",
            "propagate": True
        }
    }
})

针对开发、测试、生产等多环境，一个高效的策略是：通过环境变量动态控制日志级别。例如，开发环境设置为 DEBUG 以输出详尽信息；生产环境则设置为 INFO 或 WARNING，在保证关键信息不丢失的同时，避免产生过多的日志数据。

五、生产环境权限设置与运维核心要点

在部署阶段，以下细节关乎日志系统的稳定运行。

• 文件与目录权限管理：务必确保运行应用程序的系统用户对日志目录和文件拥有写入权限，这是导致日志写入失败的常见原因。

  touch app.log
  sudo chown $USER:$USER app.log
  sudo chmod 664 app.log

• 标准输出与错误流分离：建议将日志信息输出到标准错误流（stderr），而将正常的程序输出（如业务结果）定向到标准输出流（stdout）。这在 Docker 容器或 Kubernetes 环境中，便于日志采集器（如 Fluentd、Filebeat）进行区分和收集。
• 完整异常堆栈记录：捕获异常时，务必记录完整的堆栈跟踪信息，这是快速定位问题根源的关键。

  try:
      1 / 0
  except Exception:
      logging.error("发生未预期异常", exc_info=True)

• 结构化日志输出：在微服务或分布式系统中，建议在日志格式中加入诸如 request_id、user_id、session_id 等上下文字段。这能极大提升后续基于日志的链路追踪和数据分析效率。
• 第三方日志库选用：如果追求更简洁的 API 或更强大的自动化功能，可以考虑使用 Loguru 等优秀的第三方库。

  from loguru import logger
  logger.add("file.log", rotation="10 MB", level="DEBUG")
  logger.add(sys.stdout, level="INFO")

最后，强烈推荐的最佳实践是：为应用程序的不同模块使用独立的 logger 名称（通常使用 __name__ 变量）。这样做的好处在于，可以对特定模块进行独立的日志级别控制和过滤，使得系统调试和维护工作更加精准高效。