目录
一. 简介：
1. 为什么需要请求日志
二. 日志模块组成
1. 对应日志表创建（包含日志记录的关键字段）
2. 编写日志记录静态方法
3. 在Flask中捕获请求日志
4. 捕获异常并记录错误日志
5. 编写日志接口数据展示
6. 写入数据展示
三. 日志信息格式处理问题
1. 如何处理流式响应（Passthrough）
2. 如何记录响应数据（如JSON响应）
3. 总结与优化建议
四 . 结尾
一. 简介：
在Flask应用中，日志记录是重要的功能之一，它可以帮助开发人员跟踪请求的处理情况，快速定位错误，并且有助于应用的监控与调试。本文将介绍如何在Flask应用中实现请求日志记录，包括如何记录请求的各种信息（如请求数据、响应数据、错误信息等）并将其保存到数据库中。我们还会演示如何捕获不同级别的日志（信息级别、错误级别），并讨论如何处理复杂的响应数据（如流式响应）。
1. 为什么需要请求日志
日志记录可以帮助开发人员和运维团队了解应用的行为和状态，尤其是在生产环境中。通过记录每次请求的详细信息，开发人员能够：
- 跟踪应用性能。
- 快速定位和调试错误。
- 为监控和安全审计提供数据支持。
例如，在出现错误时，记录详细的堆栈信息、请求的URL、请求参数和响应数据，能够帮助你迅速分析问题并进行修复。
二. 日志模块组成
1. 对应日志表创建（包含日志记录的关键字段）
# 日志表
class Log(db.Model,TimestampMixin):"""日志表"""__tablename__ = 't_logs'__table_args__ = {'mysql_engine': 'InnoDB','comment': '日志表'}id = db.Column(db.Integer, primary_key=True, autoincrement=True,comment='id')user_id = db.Column(db.Integer,comment='用户ID') # 用户IDip_address = db.Column(db.String(50),comment='ip地址') # ip地址level = db.Column(db.String(50),comment='日志级别') # 日志级别message = db.Column(db.Text,comment='日志内容') # 日志内容module = db.Column(db.String(100),comment='模块名称') # 模块名称method = db.Column(db.String(50),comment='方法名称') # 方法名称url = db.Column(db.String(255),comment='请求的URL') # 请求的URLrequest_data = db.Column(db.Text,comment='请求数据') # 请求数据response_data = db.Column(db.Text,comment='响应数据') # 响应数据error_code = db.Column(db.String(50),comment='错误代码') # 错误代码stack_trace = db.Column(db.Text,comment='堆栈追踪') # 堆栈追踪hostname = db.Column(db.String(100),comment='服务器主机名') # 服务器主机名context = db.Column(db.String(255),comment='上下文信息') # 上下文信息def __repr__(self):return f"<ErrorLog(id={self.id}, ip_address={self.ip_address}, level={self.level}, message={self.message})>"
2. 编写日志记录静态方法
# db.session 进行数据提交等操作@staticmethoddef log_message(session, exception=None, user_id=None,error_code=None,level=None, message=None, **kwargs):try:# 获取请求数据request_data=''if request.method == 'GET':request_data = str(dict(request.args)) # 直接获取查询参数elif request.method == 'POST':if request.is_json:request_data = str(request.get_json()) # 获取 JSON 数据else:request_data = str(request.form) # 获取表单数据# 获取请求的其他信息ip_address = request.remote_addr # 获取客户端IP地址url = request.url # 获取请求的URLresponse_data = str(kwargs.get('response_data', '')) # 获取响应数据stack_trace = traceback.format_exc() if exception else "" # 获取堆栈追踪hostname = socket.gethostname() # 获取服务器主机名context = kwargs.get('context', 'Production') # 上下文（默认生产环境）if not message:message = str(exception) if exception else "Unknown error"# 检查错误响应数据并跳过日志记录try:# 将响应数据从字符串转换为字典response_dict = json.loads(response_data)if isinstance(response_dict, dict) and response_dict.get("message") == "内部服务器错误":return # 跳过日志记录except json.JSONDecodeError:# 如果无法解析 JSON，则跳过判断pass# print(user_id)# 创建并保存日志条目log = Log(user_id=user_id if user_id else 0,level=level,message=message,ip_address=ip_address,url=url,request_data=request_data,response_data=response_data,stack_trace=stack_trace,hostname=hostname,context=context,method=request.method,module=request.blueprint,error_code=error_code,)# 保存日志条目db.session.add(log)db.session.commit()except Exception as e:print(e)pass3. 在Flask中捕获请求日志
在Flask中，我们可以通过使用 after_request 钩子来捕获请求信息。这个钩子在每次请求处理完毕后执行，适合用于记录日志。示例如下：
# 请求成功日志记录
@app.after_request
def after_request(response):# 获取当前用户信息user_id = Nonelevel = "INFO" # 你可以根据需要动态设置日志级别，如根据响应状态码判断message = "请求成功!" # 请求成功的默认信息# 记录日志try:current_user = get_jwt_identity()# 获取用户信息（从数据库中获取用户信息做对比）user_info = db.session.query(User).filter(User.username == current_user).first()user_id = user_info.idexcept RuntimeError as e:# 捕获没有 JWT 时抛出的 RuntimeError 异常# 不做任何事情，直接跳过日志记录passexcept Exception as e:print(e)pass# 如果响应处于 passthrough 模式，则不能直接访问 response.dataif not response.direct_passthrough:# 正常情况下获取响应数据并转化为文本response_data = response.get_data(as_text=True)else:# 如果是 passthrough 模式，说明是流式响应或直接传递模式response_data = "{}" # 或者根据需求设置适当的默认值if user_id:Log.log_message(db.session,user_id=user_id if user_id else 0,level=level,message=message,response_data=response_data,context="Production", # 可选的环境信息error_code=200,)return response
在这个例子中，我们通过 after_request 钩子来处理每个请求后执行的日志记录。获取响应数据时，根据响应的类型决定是否直接获取 response.data。
4. 捕获异常并记录错误日志
在实际开发中，应用程序往往会遇到异常。为了保证日志的完整性，我们可以捕获异常并将其记录下来。特别是对于HTTP 500类错误，应该记录详细的堆栈信息。
# 异常处理日志记录
@app.errorhandler(Exception)
def handle_exception(e):# 捕获所有异常，记录日志level = "ERROR"message = str(e) # 将异常转换为字符串stack_trace = traceback.format_exc() # 获取堆栈追踪# 获取当前用户信息user_id = Nonetry:current_user = get_jwt_identity()user_info = db.session.query(User).filter(User.username == current_user).first()user_id = user_info.idexcept RuntimeError:# 如果没有 JWT 则不记录用户IDpassif user_id:# 记录异常日志Log.log_message(db.session,exception=e,user_id=user_id,level=level,message='请求失败!',stack_trace=stack_trace,context="Production",error_code=500,)print(message)# 返回通用的500错误响应return {"message": "内部服务器错误"}, 500在这个例子中，我们捕获了通用的异常，并将错误信息、堆栈追踪以及其他日志信息保存到数据库。
5. 编写日志接口数据展示
from flask import Response, jsonify, Flask, request, Blueprint,url_for
from configs import *
from modules.Tables import *
from sqlalchemy import func# 创建蓝图，对应的register目录（激活操作视图）
log_view = Blueprint('log_view', __name__)# 日志信息展示
@log_view.route('/log_data', methods=['GET'])
@jwt_required()
def log_data():# 获取分页参数page = request.args.get('page', default=1, type=int) # 当前页码per_page = request.args.get('per_page', default=15, type=int) # 每页显示条目数量level = request.args.get('level') # 日志等级# 定义筛选列表filters = []# 当筛选条件存在时添加到列表if level:filters.append(Log.level == level)# 构建查询条件query = and_(*filters) if filters else True # 如果 filters 为空，默认条件为 True# 查询主区域点并进行分页pagination = db.session.query(Log.id,Log.user_id,Log.ip_address, Log.level,Log.message,Log.module,Log.method,Log.url,Log.request_data, Log.response_data,Log.error_code, Log.stack_trace,Log.hostname,Log.context,Log.created_at).filter(query).paginate(page=page, per_page=per_page, error_out=False)# 获取分页后的数据data_list = [{'id': item.id,'user_id': item.user_id,'ip_address': item.ip_address,'level': item.level,'message': item.message,'module': item.module,'method': item.method,'url': item.url,'request_data': item.request_data if item.response_data else item.stack_trace,'response_data': item.response_data,'error_code': item.error_code,# 'stack_trace':item.stack_trace,'hostname':item.hostname,'context':item.context,'created_at': format_datetime(item.created_at),}for item in pagination.items]# 构造返回结果，包括分页信息response = {'code': 200,'data': data_list,'pagination': {'current_page': pagination.page,'total_pages': pagination.pages,'total_items': pagination.total,'per_page': pagination.per_page}}return jsonify({'code':200,'data':response})6. 写入数据展示
三. 日志信息格式处理问题
1. 如何处理流式响应（Passthrough）
Flask中的流式响应（passthrough）不允许直接访问 response.data，因此需要特别处理。通过 response.get_data(as_text=True) 方法，我们可以安全地获取响应数据并将其存储到日志中。如果响应不可序列化（如流式数据），可以跳过或记录默认值。
if not response.direct_passthrough:response_data = response.get_data(as_text=True)
else:response_data = "Non-serializable response"
2. 如何记录响应数据（如JSON响应）
对于返回JSON数据的响应，我们可以通过 response.get_data(as_text=True) 获取响应体的内容。这种方式适用于大多数JSON响应，确保我们可以将响应内容记录到日志中。
例如，在捕获日志时，我们可以如下处理响应数据：
response_data = response.get_data(as_text=True)
对于非JSON响应，使用 str() 也能保证将其转化为可记录的格式。
3. 总结与优化建议
- 在Flask应用中，通过
@app.after_request钩子可以轻松地记录每次请求的日志。 - 根据不同的请求方法（GET/POST）和响应类型（JSON、流式数据等），动态调整日志记录方式。
- 使用
try-except语句捕获异常，并记录详细的错误信息以帮助后期的调试和维护。
通过这些方法，我们可以高效、全面地记录Flask应用中的日志，并为后期的性能优化、故障排查提供支持。
四 . 结尾
日志记录是开发和运维过程中不可或缺的一部分，它能帮助我们及时发现问题并做出调整。通过本文介绍的日志记录方式，我们能够方便地捕获请求和响应的详细信息，同时处理各种异常和特殊情况。希望这篇文章能够帮助你更好地理解并实现Flask中的日志记录。
![[VSCode]彻底卸载和重装,并搭建Java开发环境](https://i-blog.csdnimg.cn/direct/a3d5b31149d54b9abf85b2e6618ccbdd.png)
