त्रुटी दरम्यान अलीकडील पायथन लॉगिंग संदेश कसे पुनर्प्राप्त करावे

एरर हँडलिंगसाठी पायथन लॉगिंग ऑप्टिमाइझ करणे

प्रोग्रामच्या अंमलबजावणीदरम्यान इव्हेंट ट्रॅक करण्यासाठी आणि समस्यांचे निदान करण्यासाठी पायथनमध्ये लॉग इन करणे आवश्यक आहे. तथापि, काही मॉड्यूल्स जास्त प्रमाणात ट्रेस माहिती तयार करू शकतात, ज्यामुळे लॉग गोंधळू शकतात. अशा प्रकरणांमध्ये, योग्य लॉगिंग स्तर सेट करणे, जसे की एरर, अनावश्यक तपशील फिल्टर करण्यात मदत करू शकते.

अशा परिस्थितीत जेथे एक मॉड्यूल जास्त लॉग व्युत्पन्न करतो, परंतु दुसऱ्या मॉड्यूलमध्ये त्रुटी आढळतात, ज्यामध्ये ते कॉल करतात, अलीकडील लॉग संदेशांमध्ये प्रवेश करणे महत्त्वपूर्ण होते. त्रुटीचे मूळ कारण शोधताना हे बर्याचदा घडते. जास्त नोंदी दुर्लक्षित करणे आणि महत्त्वाच्या नोंदी कॅप्चर करणे यामध्ये समतोल राखणे आवश्यक आहे.

लायब्ररी आवडतात spdlog C++ मध्ये रिंग बफरद्वारे बॅकट्रॅकिंगसाठी अंगभूत समर्थन आहे, ज्यामुळे विकासकांना अलीकडील लॉगचे पुनरावलोकन करण्याची परवानगी मिळते ज्यामुळे त्रुटी येते. अजगराचा लॉगिंग लायब्ररी, तथापि, हे वैशिष्ट्य बॉक्सच्या बाहेर ऑफर करत नाही, अशी यंत्रणा कशी कार्यान्वित करावी हा प्रश्न उपस्थित करते.

जेव्हा एखादी त्रुटी येते तेव्हा अलीकडील लॉग संदेश कॅप्चर करण्यासाठी आपण पायथनच्या लॉगिंग सिस्टमला कसे अनुकूल करू शकता हे हा लेख एक्सप्लोर करतो, ज्यामुळे गंभीर माहितीची खात्री करून तपासक ट्रेस डेटासह नोंदी न भरता निदानासाठी मॉड्यूल उपलब्ध आहे.

पायथनमधील त्रुटीवरील अलीकडील लॉग कार्यक्षमतेने कॅप्चर करणे

सादर केलेली पहिली स्क्रिप्ट ए सह सानुकूल लॉगिंग हँडलर वापरते deque पायथनची रचना संग्रह मॉड्यूल हे डेक रिंग बफर म्हणून कार्य करते, अलीकडील लॉग संदेशांची निश्चित संख्या धारण करते. हँडलर ओव्हरराइड करतो उत्सर्जन पद्धत, ज्याला प्रत्येक वेळी लॉग व्युत्पन्न केले जाते. या पद्धतीमध्ये, प्रत्येक लॉग संदेश फॉरमॅट केला जातो आणि नंतर डेकमध्ये जोडला जातो. डेकची कमाल लांबी असल्यामुळे, ते क्षमतेपर्यंत पोहोचल्यावर ते सर्वात जुने संदेश आपोआप टाकून देते. हे सोल्यूशन सर्वात अलीकडील लॉगचा प्रभावीपणे मागोवा घेते, हे सुनिश्चित करते की चेकर मॉड्यूलमधील अत्याधिक डीबग संदेश लॉग आऊटपुटवर परिणाम करत नाहीत परंतु जेव्हा रनर मॉड्यूलमध्ये त्रुटी येते तेव्हा ते उपलब्ध असतात.

रनर मॉड्यूलमध्ये त्रुटी आढळल्यास, स्क्रिप्ट सानुकूल पद्धत कॉल करते get_logs डेकमध्ये संग्रहित लॉग संदेश पुनर्प्राप्त करण्यासाठी. हे तुम्हाला तत्काळ एररच्या आधीच्या चेकरकडून लॉग मेसेजची तपासणी करण्यास अनुमती देते. या दृष्टिकोनामागील कल्पना अशी आहे की लॉग संदेश हे लॉग व्हर्बोसिटी आणि युटिलिटी दरम्यान संतुलन राखताना समस्यानिवारणासाठी महत्त्वपूर्ण संदर्भ प्रदान करतात. पायथनमध्ये गोलाकार लॉग बफर तयार करण्याचा हा एक सोपा आणि प्रभावी मार्ग आहे बॅकट्रेस C++ च्या spdlog लायब्ररीमध्ये वैशिष्ट्य आढळले.

दुसरा उपाय अंगभूत वापरतो मेमरी हँडलर पायथनच्या लॉगिंग मॉड्यूलमधून. मेमरीहँडलर मेमरीमध्ये लॉग संदेश बफर करून आणि विशिष्ट लॉग स्तर समोर आल्यावरच फ्लश करून कार्य करते, जसे की एरर. या प्रकरणात, हँडलरला 10 लॉग संदेशांपर्यंत बफर करण्यासाठी आणि त्रुटी आल्यावर फ्लश करण्यासाठी कॉन्फिगर केले जाते. हा दृष्टीकोन रिंग बफर तंत्रासारखाच आहे परंतु पायथनच्या विद्यमान लॉगिंग इन्फ्रास्ट्रक्चरचा वापर करते, जे अंमलबजावणी सुलभ करते. मेमरीहँडलर अशा परिस्थितींसाठी आदर्श आहे जिथे तुम्हाला लॉग संदेशांचा स्नॅपशॉट घ्यायचा आहे ज्यामुळे सामान्य ऑपरेशन्स दरम्यान लॉगमध्ये गोंधळ न करता त्रुटी येते.

दोन्ही उपाय कार्यक्षमतेसाठी ऑप्टिमाइझ केलेले आहेत आणि मेमरी वापर मर्यादित करण्यासाठी डिझाइन केलेले आहेत. मेमरीमध्ये संग्रहित लॉगची संख्या मर्यादित करून आणि गंभीर घटनांदरम्यान केवळ बफर फ्लश करून, ते स्वच्छ, व्यवस्थापित करण्यायोग्य लॉग राखण्यात मदत करतात. हे विकसकांना मोठ्या प्रमाणावर अनावश्यक माहिती शोधण्याऐवजी वास्तविक त्रुटी डीबग करण्यावर लक्ष केंद्रित करण्यास अनुमती देते. प्रश्नातील लॉगरमध्ये सानुकूल किंवा मेमरी हँडलर्स जोडून प्रत्येक स्क्रिप्ट विद्यमान पायथन लॉगिंग कॉन्फिगरेशनमध्ये सहजपणे समाकलित केली जाऊ शकते आणि दोन्ही विविध लॉग फॉरमॅट्स आणि स्तरांशी जुळवून घेण्यासाठी पुरेसे लवचिक आहेत.

# Approach 1: Using a custom handler with a deque (ring buffer) to store recent logs
import logging
from collections import deque
# Custom log handler to store recent log messages
class BufferingHandler(logging.Handler):
    def __init__(self, capacity):
        super().__init__()
        self.log_buffer = deque(maxlen=capacity)  # Circular buffer
    def emit(self, record):
        self.log_buffer.append(self.format(record))  # Store formatted log messages
    def get_logs(self):
        return list(self.log_buffer)  # Retrieve recent log messages
# Configure logging with custom handler
logger = logging.getLogger('checker')
buffer_handler = BufferingHandler(capacity=10)
logger.addHandler(buffer_handler)
logger.setLevel(logging.DEBUG)
# Example log generation
for i in range(20):
    logger.debug(f"Debug message {i}")
# Simulate an error in runner and print the last few log messages
try:
    1 / 0  # Simulate error
except ZeroDivisionError:
    print("Error occurred, recent log messages:")
    for log in buffer_handler.get_logs():
        print(log)

१

Python मध्ये लॉग संदेश कॅप्चर करण्यासाठी पर्यायी मार्ग शोधत आहे

Python मध्ये अलीकडील लॉग संदेश कॅप्चर करण्यासाठी आणखी एक दृष्टीकोन म्हणजे तृतीय-पक्ष लायब्ररी वापरणे loguru. Python च्या अंगभूत लॉगिंग मॉड्यूलच्या विपरीत, Loguru अधिक लवचिक आणि वापरकर्ता-अनुकूल इंटरफेस देते. यामध्ये लॉग फिरवणे, लॉग स्तर फिल्टर करणे आणि विविध फॉरमॅटमध्ये लॉग कॅप्चर करणे यासाठी अंगभूत समर्थन समाविष्ट आहे. हे लायब्ररी विशेषत: जास्त लॉग व्युत्पन्न करणाऱ्या ऍप्लिकेशन्ससह काम करताना उपयुक्त ठरू शकते, कारण त्रुटी हाताळताना गंभीर संदेश चुकणार नाहीत याची खात्री करून ते लॉग व्यवस्थापन सुलभ करते.

Loguru लॉग सिंक सेट करण्यासाठी परवानगी देतो, जे मेमरी, फाइल्स किंवा बाह्य सेवांमध्ये लॉग संग्रहित करण्यासाठी सानुकूलित केले जाऊ शकते. सानुकूल सिंक वापरून तुम्ही तात्पुरते इन-मेमरी बफर तयार करू शकता, जे नंतर त्रुटी आढळल्यावर फ्लश केले जाऊ शकते. ज्यांना मानक लॉगिंग लायब्ररी प्रमाणे हँडलर्स मॅन्युअली कॉन्फिगर न करता त्यांच्या लॉगिंग सिस्टमवर अधिक नियंत्रण हवे आहे त्यांच्यासाठी हे Loguru ला एक शक्तिशाली पर्याय बनवते.

Loguru चा आणखी एक फायदा असा आहे की तो विद्यमान लॉगिंग सिस्टीमसह सहज एकीकरण करण्यास अनुमती देतो, म्हणजे तुम्ही तुमचा संपूर्ण लॉगिंग सेटअप न बदलता Loguru वर स्विच करू शकता. कार्यप्रदर्शन आणि लॉग व्यवस्थापन महत्त्वपूर्ण असलेल्या जटिल अनुप्रयोगांशी व्यवहार करताना हे विशेषतः उपयुक्त ठरू शकते. शेवटी, Python चे लॉगिंग मॉड्यूल बहुतेक वापराच्या प्रकरणांसाठी पुरेसे आहे, Loguru सारख्या लायब्ररींचे अन्वेषण केल्याने लॉग संदेश प्रभावीपणे कॅप्चर आणि व्यवस्थापित करण्यासाठी अतिरिक्त लवचिकता आणि वापर सुलभता प्रदान करते.