Python Flask日志怎么配_基于标准logging模块按照大小或按天自动滚动请求日志记录

在使用Python Flask开发Web应用的过程中，记录请求日志是排查接口问题、统计服务运行状态的重要手段。Flask本身内置了日志功能，但默认的日志配置只会将日志输出到控制台，且没有自动滚动机制，长期运行后日志会不断堆积，既不方便查看也会占用大量磁盘空间。通过Python标准库中的logging模块，我们可以灵活配置日志的存储方式、滚动规则，实现按文件大小或者按日期自动切割日志文件的需求。

基础环境准备

首先需要确保已经安装了Flask框架，如果没有安装可以通过以下命令完成安装：

pip install flask

本文示例基于Flask 2.0以上版本，logging模块是Python标准库自带，不需要额外安装。

按日志文件大小自动滚动配置

按大小滚动日志需要使用logging模块中的RotatingFileHandler处理器，该处理器可以在日志文件达到指定大小后自动创建新的日志文件，同时可以设置保留的历史日志文件数量。

完整配置代码示例

以下是一个Flask应用按大小滚动请求日志的完整实现：

from flask import Flask, request
import logging
from logging.handlers import RotatingFileHandler
import os

# 创建Flask应用实例
app = Flask(__name__)

# 配置日志相关参数
log_dir = "logs"  # 日志存储目录
log_file = "flask_request.log"  # 日志文件名
max_file_size = 10 * 1024 * 1024  # 单个日志文件最大大小，这里设置为10MB
backup_count = 10  # 最多保留10个历史日志文件

# 创建日志目录，如果目录不存在则自动创建
if not os.path.exists(log_dir):
    os.makedirs(log_dir)

# 创建RotatingFileHandler实例
rotating_handler = RotatingFileHandler(
    filename=os.path.join(log_dir, log_file),
    maxBytes=max_file_size,
    backupCount=backup_count,
    encoding="utf-8"
)

# 设置日志格式
log_formatter = logging.Formatter(
    "%(asctime)s - %(levelname)s - %(message)s",
    datefmt="%Y-%m-%d %H:%M:%S"
)
rotating_handler.setFormatter(log_formatter)

# 获取Flask应用的logger对象，添加处理器
app.logger.addHandler(rotating_handler)
# 设置日志级别为INFO，只记录INFO及以上级别的日志
app.logger.setLevel(logging.INFO)

# 定义请求日志记录的装饰器，用于记录每个请求的详细信息
def log_request_info(f):
    from functools import wraps
    @wraps(f)
    def decorated_function(*args, **kwargs):
        # 记录请求方法、路径、客户端IP
        log_msg = f"Request: {request.method} {request.path} | Client IP: {request.remote_addr}"
        app.logger.info(log_msg)
        return f(*args, **kwargs)
    return decorated_function

# 给所有路由添加请求日志记录装饰器
app.before_request(log_request_info)

# 测试路由
@app.route("/")
def index():
    return "Hello Flask Logging"

@app.route("/test")
def test():
    return "Test Route"

if __name__ == "__main__":
    app.run(debug=False, host="127.0.0.1", port=5000)

配置参数说明

上述代码中几个关键参数的作用如下：

• maxBytes：单个日志文件的最大大小，单位是字节，示例中设置为10MB，当日志文件达到这个大小后会自动切割。
• backupCount：保留的历史日志文件数量，超过这个数量的旧日志文件会被自动删除。
• encoding：日志文件的编码格式，设置为utf-8可以避免中文乱码问题。

运行上述代码后，所有请求日志都会写入logs/flask_request.log文件，当该文件大小达到10MB时，会自动重命名为flask_request.log.1，新的日志会继续写入flask_request.log，最多保留10个历史文件。

按日期自动滚动日志配置

如果需要按天、按小时等时间维度自动切割日志，可以使用TimedRotatingFileHandler处理器，该处理器支持按照指定的时间间隔自动创建新的日志文件。

完整配置代码示例

以下是按天滚动日志的实现示例：

from flask import Flask, request
import logging
from logging.handlers import TimedRotatingFileHandler
import os

# 创建Flask应用实例
app = Flask(__name__)

# 配置日志相关参数
log_dir = "logs"  # 日志存储目录
log_file = "flask_request_daily.log"  # 日志文件名
when = "midnight"  # 滚动时间，midnight表示每天凌晨滚动
interval = 1  # 间隔时间，配合when使用，1表示每1个midnight滚动一次
backup_count = 30  # 保留30天的历史日志

# 创建日志目录
if not os.path.exists(log_dir):
    os.makedirs(log_dir)

# 创建TimedRotatingFileHandler实例
time_rotating_handler = TimedRotatingFileHandler(
    filename=os.path.join(log_dir, log_file),
    when=when,
    interval=interval,
    backupCount=backup_count,
    encoding="utf-8"
)

# 设置日志格式
log_formatter = logging.Formatter(
    "%(asctime)s - %(levelname)s - %(message)s",
    datefmt="%Y-%m-%d %H:%M:%S"
)
time_rotating_handler.setFormatter(log_formatter)

# 添加处理器到Flask logger
app.logger.addHandler(time_rotating_handler)
app.logger.setLevel(logging.INFO)

# 请求日志装饰器
def log_request_info(f):
    from functools import wraps
    @wraps(f)
    def decorated_function(*args, **kwargs):
        log_msg = f"Request: {request.method} {request.path} | Client IP: {request.remote_addr}"
        app.logger.info(log_msg)
        return f(*args, **kwargs)
    return decorated_function

app.before_request(log_request_info)

# 测试路由
@app.route("/")
def index():
    return "Hello Flask Daily Logging"

if __name__ == "__main__":
    app.run(debug=False, host="127.0.0.1", port=5000)

when参数可选值说明

when参数支持多种时间单位，常见的取值如下：

注意事项

• 生产环境中建议关闭Flask的debug模式，避免debug模式的日志输出影响正常日志记录。
• 如果同时配置了按大小滚动和按时间滚动的处理器，两个处理器会同时生效，日志会同时写入两个对应的日志文件中。
• 日志格式可以根据实际需求调整，比如添加请求参数、响应状态码等信息，方便后续问题排查。
• 如果需要记录更详细的请求信息，可以结合request对象获取请求头、请求体等内容，注意不要记录敏感信息比如用户密码等。

logging模块是线程安全的，在Flask多进程或者多线程部署的场景下可以正常使用，不需要额外做线程同步处理。

通过上述两种配置方式，就可以实现Flask请求日志的自动滚动需求，开发者可以根据实际业务场景选择合适的滚动策略，既可以按大小切割避免单个文件过大，也可以按时间维度切割方便按日期查找日志。

PythonFlasklogging日志滚动修改时间：2026-06-19 17:57:41