


Python-Protokollierungsmodul: Tutorials auf Expertenniveau, vom Anfänger bis zum Experten
Einführung
Daslogging-Modul ist die Standardbibliothek für logginglogging in python. Es bietet eine einheitliche Schnittstelle für die Protokollierung von Ereignissen in Anwendungen und ermöglicht es Entwicklern, eine detaillierte Steuerung der Protokollebenen zu definieren, Protokollmeldungen zu formatieren und Protokolle an verschiedene Ziele wie Dateien, Konsolen oder Netzwerke (Sockets) auszugeben. Erste Schritte
Erstellen Sie einen Logger Um mit der Protokollierung zu beginnen, müssen Sie zunächst ein Logger-Objekt erstellen. Der Logger kann anhand von
identifiziert werden, einem Identifikatorstring
.
import logging # 创建一个名为 "my_logger" 的 logger logger = logging.getLogger("my_logger")
logging.getLogger(name)
函数创建,其中 name
Protokollnachrichten aufzeichnen
Protokollnachrichten können mit der -Methode protokolliert werden, wobei: logger.log(level, msg, *args, **kwargs)
: Die Ebene der Protokollnachricht.
- : Protokollnachrichten.
level
- : Optionaler Parameter zum Formatieren von Protokollnachrichten.
msg
- Log-Level
*args
和**kwargs
Das logging-Modul definiert die folgenden Protokollierungsstufen (von der niedrigsten zur höchsten):
logger.info("程序已启动") logger.error("发生错误!")
DEBUG: Detaillierte Informationen für Debugging-Zwecke.
INFO: für regelmäßige Bewerbungsnachrichten.
- WARNUNG: Wird verwendet, um auf ein Problem aufmerksam zu machen.
- ERROR: für Fehler und Ausnahmen.
- KRITISCH: Für kritische Fehler oder Anwendungsabstürze.
- NOTSET: Protokollierung deaktivieren.
- Die Protokollebene kann mit
- auf eingestellt werden
logger.level = logging.WARNING
logger.level
属性。例如,要将 my_logger
的级别设置为 WARNING
Formatter werden verwendet, um das Erscheinungsbild von Protokollmeldungen zu steuern. Formatierer können über die Klasse logging.F</p>ORM<h2 id="atter-code-erstellt-werden-die-die-folgenden-Parameter-hat">atter
erstellt werden, die die folgenden Parameter hat:
logging.F<strong class="keylink">ORM</strong>atter
fmt
: Formatierungszeichenfolge für Datum und Uhrzeit (optional).-
# 创建一个格式化器,包含时间戳、日志级别和日志消息 formatter = logging.Formatter("%(asctime)s - %(levelname)s - %(message)s")
Nach dem Login kopierendatefmt
Prozessor
: Protokollmeldungen an die Konsole ausgeben.
logging.StreamHandler
: Protokollmeldungen in eine Datei ausgeben.logging.<code>logging.FileHandler
Socket Handler: Protokollnachrichten an einen Netzwerk-Socket ausgeben. -
logging.<strong class="keylink">Socket</strong>Handler
# 创建一个处理器,将日志消息输出到控制台 handler = logging.StreamHandler() # 将格式化器添加到处理器 handler.setFormatter(formatter) # 将处理器添加到 logger logger.addHandler(handler)
Nach dem Login kopierenFilter
Filter werden verwendet, um Protokollnachrichten nach bestimmten Kriterien zu filtern. Das Protokollierungsmodul bietet die folgenden Filter:
- : Basisfilter, Protokollnachrichten zulassen oder ablehnen.
-
logging.Filter
: Filtern Sie Protokollnachrichten basierend auf der Protokollebene. -
logging.LevelFilter
: Filtern Sie Protokollnachrichten basierend auf den Protokollnachrichten selbst. -
logging.MessageFilter
Erweiterte Nutzung# 创建一个过滤器,仅允许 INFO 和 WARNING 级别的日志消息 filter = logging.LevelFilter(logging.INFO) # 将过滤器添加到处理器 handler.addFilter(filter)
Nach dem Login kopierenHierarchische Protokollierung
PythonDas Protokollierungsmodul unterstützt die hierarchische Protokollierung, bei der ein Logger die Eigenschaften und das Verhalten seines übergeordneten Loggers erben kann. Dies ermöglicht den Aufbau einer Protokollierungsstruktur mit unterschiedlichen Protokollierungsgranularitätsstufen. Benutzerdefinierte Protokollierungsstufen
Es können auch benutzerdefinierte Protokollierungsstufen erstellt werden, um den spezifischen Anforderungen Ihrer Anwendung besser gerecht zu werden. Dies kann mit der
-Funktion erreicht werden.logging.addLevelName(level_name, level_value)
Erweitertes ProtokollierungsmodulDas Protokollierungsmodul kann mit benutzerdefinierten Klassen und Funktionen erweitert werden, um erweiterte oder spezifische Protokollierungsfunktionen zu implementieren. Sie können beispielsweise eigene Prozessoren oder Filter erstellen, um bestimmte Anforderungen zu erfüllen.
Fazit
DasPython-Protokollierungsmodul ist ein leistungsstarkes
Toolzum Protokollieren von Anwendungen. Es bietet Flexibilität und Anpassbarkeit und ermöglicht es Entwicklern, Protokollierungssysteme basierend auf den spezifischen Anforderungen ihrer Anwendungen zu erstellen. Indem Sie die in diesem Tutorial beschriebenen Grundprinzipien und fortgeschrittenen Techniken befolgen, können Sie das Protokollierungsmodul optimal nutzen und eine effiziente und informative Protokollierung für Ihre Anwendungen erreichen.
Das obige ist der detaillierte Inhalt vonPython-Protokollierungsmodul: Tutorials auf Expertenniveau, vom Anfänger bis zum Experten. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Bei der Installation von PyTorch am CentOS -System müssen Sie die entsprechende Version sorgfältig auswählen und die folgenden Schlüsselfaktoren berücksichtigen: 1. Kompatibilität der Systemumgebung: Betriebssystem: Es wird empfohlen, CentOS7 oder höher zu verwenden. CUDA und CUDNN: Pytorch -Version und CUDA -Version sind eng miteinander verbunden. Beispielsweise erfordert Pytorch1.9.0 CUDA11.1, während Pytorch2.0.1 CUDA11.3 erfordert. Die Cudnn -Version muss auch mit der CUDA -Version übereinstimmen. Bestimmen Sie vor der Auswahl der Pytorch -Version unbedingt, dass kompatible CUDA- und CUDNN -Versionen installiert wurden. Python -Version: Pytorch Official Branch

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.
