Django生产环境日志怎么配置？

日志级别：避免 DEBUG 刷盘

生产环境应避免使用DEBUG级别，否则会记录大量SQL查询和请求细节，导致磁盘迅速写满。建议将根日志器设为INFO，只记录应用错误和关键业务事件。对于Django自带的django.request日志器，可单独设为WARNING，以捕获HTTP 4xx和5xx错误，但排除常见客户端错误（如404）以免日志泛滥。检查方法：在测试环境模拟生产压力，观察日志文件增长速率是否在可接受范围内。

一个常见的做法是先在settings.py中关闭DEBUG，然后配置LOGGING字典。如果你已经用了第三方库（如django-debug-toolbar或silk），记得在生产环境中彻底移除它们的中间件和日志处理器，否则这些库可能绕过你的全局日志级别。验证时，可以尝试触发一个403（比如CSRF校验失败）和一个500错误，确认日志中只出现WARNING及以上级别的记录。如果发现INFO级别消息仍然很多，可以手动将某些第三方库的日志器设为WARNING，例如 logging.getLogger('urllib3').setLevel(logging.WARNING)。

日志轮转：防止单文件撑爆磁盘

必须启用日志轮转，防止单个日志文件无限增长撑爆磁盘。Django本身不直接提供轮转功能，需要通过logging.handlers.RotatingFileHandler或TimedRotatingFileHandler实现。推荐按大小轮转（例如每50MB切分）并保留最近5个备份。注意：如果应用写入频繁，备份数量不宜太少，否则旧日志被覆盖后难以排查历史问题。一个常见坑是忘记设置maxBytes和backupCount，导致轮转失效。

配置时，建议选择RotatingFileHandler并用大小触发，因为时间触发在低流量时段可能产生大量空文件。例如：

'handlers': {
    'file': {
        'class': 'logging.handlers.RotatingFileHandler',
        'filename': '/var/log/django/app.log',
        'maxBytes': 52428800,  # 50MB
        'backupCount': 5,
        'formatter': 'verbose',
    },
}

检查方法：用 dd 或 fallocate 生成一个大文件模拟日志写入，或者直接用生产压力的日志量等待轮转发生。确认日志文件达到 maxBytes 后被切割成 app.log.1、app.log.2 等，并且应用不会因为旧文件被删除而报错。如果运行在Docker容器中，需要确保日志目录挂载了持久卷，否则重启后轮转文件丢失。

日志格式：结构化与可解析

日志格式应包含时间戳、日志级别、模块名、进程ID以及线程ID，便于分布式排查。建议使用ISO 8601格式的时间，并明确添加时区（如UTC）。避免在格式化字符串中拼接过多对象，特别是用户输入，以免引发格式异常或暴露敏感信息。检查方法：部署后随机抽取日志条目，确认每个字段都能正确解析且无额外换行符破坏结构。

一个推荐的格式字符串：'%(asctime)s %(levelname)s %(name)s %(process)d %(thread)d %(message)s'。在formatter中设置 'datefmt': '%Y-%m-%dT%H:%M:%S%z' 即可输出UTC时间。注意，%(message)s 里如果包含换行，某些日志采集系统（如Logstash）可能无法正确处理单条日志。因此建议将消息中的换行替换为空格，或者使用json格式。Django的 django.utils.log.RequireDebugFalse 过滤器可以控制只在生产环境输出特定格式。

敏感信息过滤：避免泄露密码和Token

生产日志中绝对不能明文记录密码、Token、信用卡号等敏感数据。Django的logging过滤器可以在日志记录前修改或丢弃包含敏感字段的日志条目。一个常见做法是编写自定义过滤器，检测关键字（如'password'）并替换为'***'。风险边界：过度过滤可能导致关键错误信息丢失，因此只过滤明确敏感的关键字，并定期审查日志确认过滤效果。

实现时，可以继承 logging.Filter 并重写 filter(record) 方法，在方法内修改 record.msg 或添加 record.exc_info 处理。例如：

class SensitiveFilter(logging.Filter):
    def filter(self, record):
        for kw in ['password', 'token', 'credit_card']:
            if kw in record.getMessage().lower():
                record.msg = record.msg.replace(kw, '***')
        return True

然后将此过滤器添加到handlers的filters列表中。检查方法：手动构造一个包含password字段的日志记录，确认输出内容已被脱敏。同时注意如果使用json格式，需要同样处理字典中的键值对。

异步写入与采集

默认的同步日志记录器在每次写入时都会触发磁盘I/O，高并发下可能成为性能瓶颈。可考虑使用QueueHandler将日志消息放入内存队列，再由后台线程异步写入文件。配置时需注意队列大小不能无限增长，否则会导致内存溢出。通常设置maxlen为1000-10000，并监控队列积压情况。如果应用对日志实时性要求极高，异步引入的延迟可能影响故障快速定位，需要权衡。

一个简单的异步配置参考：使用 logging.handlers.QueueHandler 和 QueueListener。在settings.py中创建队列和监听器，确保监听器在应用启动时开始，并在关闭时优雅终止。如果同时使用集中式日志系统（如ELK），建议本地文件作为缓冲，避免网络问题导致日志丢失。检查方法：在高并发场景下观察 /proc/uptime 或应用性能指标，对比同步和异步的磁盘I/O压力。异步配置后，启动时立刻写入一条测试日志，确认监听线程正常工作。