Loguru日志库比Logging好在哪

本文目录导读：

1. 配置复杂度
2. 格式化与模板
3. 异常与回溯
4. 动态级别与过滤
5. 多 Sink 支持
6. 序列化与结构化
7. 多进程/异步支持
8. 性能
9. 什么时候用 Loguru 更好？
10. 什么时候用 standard logging 更好？
11. 总结表

Loguru 和 Python 标准库 logging 相比，最大的优势在于 “开箱即用” 和 “零样板代码”，如果你厌倦了 logging 繁琐的配置（Handler、Formatter、Filter），Loguru 几乎是“ICU”级别的救星。

下面从几个核心维度对比它们的好坏：

配置复杂度

• standard logging：需要手动创建 Logger、Handler、Formatter,并设置级别。

  import logging
  # 标准库需要多行代码
  logger = logging.getLogger("my_app")
  logger.setLevel(logging.DEBUG)
  handler = logging.StreamHandler()
  handler.setLevel(logging.INFO)
  formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
  handler.setFormatter(formatter)
  logger.addHandler(handler)
  logger.info("Hello")

• Loguru：一行代码搞定。

  from loguru import logger
  logger.info("Hello")  # 自带颜色、时间、调用位置

  胜出点：无需模板代码，import 即可用。

格式化与模板

• standard logging：格式化依赖 %(name)s、%(levelname)s 等占位符，很笨重，要输出调用文件和行号,需要额外配置。
• Loguru：默认自带 颜色高亮、时间戳、函数名、行号。

  logger.info("User {} logged in from {}", user.name, request.ip) # 自动格式化

  无需手动拼字符串，传入参数即可，而且还支持 风格（类似 .format()），比 风格更可读。

异常与回溯

• standard logging：异常回溯默认是一行，很丑，如果想捕获异常堆栈，需要手动设置 exc_info=True。

  logger.error("Failed", exc_info=True)

• Loguru：自动捕获异常，并且输出漂亮的彩色回溯,显示局部变量。

  @logger.catch()  # 装饰器，自动捕获并记录
  def dangerous_function():
      1 / 0

  只需一个装饰器就能完整记录异常栈和上下文,这在生产排错时非常强大。

动态级别与过滤

• standard logging：过滤通常需要写 Filter 类,比较繁琐。
• Loguru：直接支持 **lambda 过滤 和 Level 动态绑定。

  # 仅记录 DEBUG 级别且包含 "DB" 的日志
  logger.add("file.log", filter=lambda record: "DB" in record["message"])
  # 动态修改某个 sink 的级别
  logger.add("debug.log", level="DEBUG")

多 Sink 支持

• standard logging：需要手动实例化 FileHandler、RotatingFileHandler 等。
• Loguru：add() 方法直接支持控制台、文件、网络、队列、TCP、UDP 等。

  logger.add("file_{time}.log", rotation="500 MB")  # 自动轮转
  logger.add(sys.stdout, colorize=True)
  logger.add("error.log", level="ERROR", retention="10 days")  # 自动删除旧日志

  rotation 和 retention 是内置参数,无需手动配置时间轮转逻辑。

序列化与结构化

• standard logging：支持 JSON 序列化但需要额外代码。
• Loguru：内置 serialize=True 输出 JSON，适合对接 ELK 或日志分析系统。

  logger.add("log.json", serialize=True)  # 每行一个 JSON 对象

多进程/异步支持

• standard logging：多进程写入容易乱序或丢失。
• Loguru：提供了 enqueue=True 参数，自动将日志放入队列，由后台线程写入，保证多进程安全。

  logger.add("file.log", enqueue=True)  # 线程/进程安全

性能

• standard logging：在配置复杂时开销较大。
• Loguru：底层的日志核心使用 C 扩展（通过 better_exceptions 和优化的 I/O），在高并发下通常比标准库快，不过对于极高频的日志（如每秒百万条），Loguru 的默认装饰器（如 @logger.catch）会比标准库稍重,但大多数业务系统远达不到这个量级。

什么时候用 Loguru 更好？

• 中小型项目、脚本、微服务、数据分析：不想写样板代码,希望快速上线。
• 开发调试：颜色、行号、局部变量捕获对开发效率提升巨大。
• 需要美观的可视化日志：比如在 Jupyter Notebook 或终端中。

什么时候用 standard logging 更好？

• 大型企业项目，已经有成熟日志体系（如 logstash、graylog），且遵循标准接口（logging 是标准库，兼容性最强）。
• 严格依赖标准库，不想引入第三方依赖（如某些安全受限环境）。
• 需要对日志进行细粒度控制，比如复杂的 Handler 链、自定义 Filter、与 Django/Flask 的默认日志系统深度集成（虽然 Loguru 也支持 patch）。

总结表

一句话总结：Loguru 在“易用性”、“可读性”、“调试友好度”上完胜标准库；如果你不需要与标准库生态深度绑定，Loguru 是更好的选择。