Подходит ли платформа для начинающих без опыта работы?

Да, курсы разбиты по уровням: Junior, Middle, Senior. Начинающие могут стартовать с базовых тем Python, Docker и алгоритмов и постепенно двигаться к более сложным темам.

Как быстро можно подготовиться к собеседованию на позицию Junior разработчика?

При занятиях 1–2 часа в день — от 2 до 4 недель на основные темы. Платформа анализирует слабые места по результатам квизов и строит персональный план подготовки.

Какие технологии охватывает платформа?

Python, FastAPI, Django, Docker, алгоритмы и структуры данных, Agile/Scrum, SQL, CI/CD, системный дизайн, код-ревью и более 50 других тем для разработчиков.

Платформа бесплатная?

Большинство учебных материалов и квизов доступны бесплатно после регистрации. Регистрация занимает менее минуты.

Как платформа помогает найти работу программистом?

Платформа даёт фундаментальные знания, которые проверяют на технических собеседованиях: алгоритмы, архитектура, фреймворки. Мок-интервью имитирует реальное собеседование. Система прогресса показывает, какие темы нужно подтянуть перед собеседованием.

Тестирование и отладка логов — Python Logging: от

Тестирование и отладка логов в Python

Тестирование логов обеспечивает уверенность, что приложение логирует правильную информацию. Отладка помогает решать проблемы с конфигурацией.

1. Тестирование логов с pytest

Проблема: Нужно проверить, что код логирует ожидаемые сообщения.

Решение: pytest caplog фикстура для перехвата логов.

1.1. Базовое тестирование с caplog

# app.py
import logging

logger = logging.getLogger(__name__)

def process_data(data):
    if not data:
        logger.warning("Empty data received")
        return None
    
    logger.info(f"Processing {len(data)} items")
    # ... обработка
    return True

# test_app.py
import pytest
import logging

def test_process_data_empty(caplog):
    """Тест: пустые данные вызывают warning."""
    from app import process_data
    
    caplog.set_level(logging.WARNING)
    
    result = process_data([])
    
    assert result is None
    assert "Empty data received" in caplog.text
    assert caplog.record_tuples == [
        ('app', logging.WARNING, 'Empty data received')
    ]

def test_process_data_with_items(caplog):
    """Тест: данные логируют info."""
    from app import process_data
    
    caplog.set_level(logging.INFO)
    
    result = process_data([1, 2, 3])
    
    assert result is True
    assert "Processing 3 items" in caplog.text

1.2. Проверка extra полей

# app.py
logger.info("User logged in", extra={"user_id": 123, "ip": "192.168.1.1"})

# test_app.py
def test_user_login_logs_extra(caplog):
    """Тест: лог содержит extra поля."""
    from app import login_user
    
    caplog.set_level(logging.INFO)
    
    login_user(user_id=123, ip="192.168.1.1")
    
    # Проверка через records
    assert len(caplog.records) == 1
    record = caplog.records[0]
    assert record.user_id == 123
    assert record.ip == "192.168.1.1"
    assert record.message == "User logged in"

1.3. Проверка количества логов

def test_process_multiple_items(caplog):
    """Тест: проверка количества логов."""
    from app import process_batch
    
    caplog.set_level(logging.DEBUG)
    
    process_batch([1, 2, 3, 4, 5])
    
    # Проверка количества warning логов
    warnings = [r for r in caplog.records if r.levelname == 'WARNING']
    assert len(warnings) == 0
    
    # Проверка количества info логов
    infos = [r for r in caplog.records if r.levelname == 'INFO']
    assert len(infos) >= 1

1.4. Параметризованные тесты

@pytest.mark.parametrize("level,expected_count", [
    (logging.DEBUG, 4),
    (logging.INFO, 3),
    (logging.WARNING, 1),
    (logging.ERROR, 0),
])
def test_log_levels(caplog, level, expected_count):
    """Тест: проверка логов на разных уровнях."""
    from app import run_process
    
    caplog.set_level(level)
    run_process()
    
    assert len(caplog.records) == expected_count

2. Тестирование с MagicMock

Проблема: caplog не подходит для сложных сценариев.

Решение: MagicMock handler для перехвата логов.

2.1. MagicMock handler

import logging
from unittest.mock import MagicMock

def test_with_mock_handler():
    """Тест с MagicMock handler."""
    from app import logger
    
    # Создание mock handler
    mock_handler = MagicMock()
    logger.addHandler(mock_handler)
    
    try:
        # Вызов кода
        logger.info("Test message")
        
        # Проверка вызова
        assert mock_handler.handle.called
        assert mock_handler.handle.call_count == 1
        
        # Проверка LogRecord
        log_record = mock_handler.handle.call_args[0][0]
        assert log_record.getMessage() == "Test message"
    finally:
        logger.removeHandler(mock_handler)

2.2. Проверка formatter

import logging
from unittest.mock import MagicMock
from io import StringIO

def test_formatter_output():
    """Тест: проверка вывода formatter."""
    # StringIO для перехвата вывода
    stream = StringIO()
    handler = logging.StreamHandler(stream)
    handler.setFormatter(logging.Formatter('%(levelname)s: %(message)s'))
    
    logger = logging.getLogger('test')
    logger.addHandler(handler)
    logger.setLevel(logging.INFO)
    
    # Логирование
    logger.info("Test message")
    
    # Проверка вывода
    output = stream.getvalue()
    assert "INFO: Test message" in output

3. Тестирование асинхронного логирования

Проблема: QueueHandler требует обработки очереди.

Решение: QueueListener для обработки сообщений.

import logging
import logging.handlers
import queue
import pytest

@pytest.fixture
def async_logging_setup():
    """Фикстура для асинхронного логирования."""
    log_queue = queue.Queue()
    
    queue_handler = logging.handlers.QueueHandler(log_queue)
    
    # StringIO handler для перехвата
    stream = StringIO()
    stream_handler = logging.StreamHandler(stream)
    
    listener = logging.handlers.QueueListener(log_queue, stream_handler)
    listener.start()
    
    logger = logging.getLogger('test')
    logger.addHandler(queue_handler)
    logger.setLevel(logging.INFO)
    
    yield stream, logger
    
    # Остановка и очистка
    listener.stop()
    logger.removeHandler(queue_handler)

def test_async_logging(async_logging_setup):
    """Тест асинхронного логирования."""
    stream, logger = async_logging_setup
    
    logger.info("Async message")
    
    # Ожидание обработки
    import time
    time.sleep(0.1)
    
    output = stream.getvalue()
    assert "Async message" in output

4. Отладка конфигурации logging

Проблема: Логи не выводятся или дублируются.

Решение: Диагностика конфигурации.

4.1. Проверка handlers

import logging

def debug_logging_config():
    """Диагностика конфигурации logging."""
    logger = logging.getLogger(__name__)
    
    print(f"Logger name: {logger.name}")
    print(f"Logger level: {logger.level} ({logging.getLevelName(logger.level)})")
    print(f"Logger handlers: {logger.handlers}")
    print(f"Logger propagate: {logger.propagate}")
    print()
    
    # Root logger
    root = logging.getLogger()
    print(f"Root level: {root.level} ({logging.getLevelName(root.level)})")
    print(f"Root handlers: {root.handlers}")
    for i, handler in enumerate(root.handlers):
        print(f"  Handler {i}: {type(handler).__name__} "
              f"level={handler.level} "
              f"formatter={handler.formatter}")
    print()
    
    # Проверка иерархии
    print("Logger hierarchy:")
    current = logger
    while current:
        print(f"  {current.name} (level={current.level})")
        current = current.parent

# Использование
debug_logging_config()

4.2. Проверка effective level

logger = logging.getLogger(__name__)
print(f"Effective level: {logger.getEffectiveLevel()}")
# Показывает уровень, который будет использоваться
# (свой или ближайшего родителя с установленным уровнем)

4.3. Включение внутреннего логирования logging

import logging

# Включение внутреннего логирования модуля logging
logging.basicConfig(level=logging.DEBUG)
internal_logger = logging.getLogger('logging')
internal_logger.setLevel(logging.DEBUG)

# Теперь видно, что происходит внутри logging модуля

5. Common Pitfalls

5.1. Дублирование логов

Проблема: Каждое сообщение выводится дважды.

Причина: Handler в logger + handler в root logger.

# ❌ Плохо: дублирование
logging.basicConfig(level=logging.INFO)  # Handler в root
logger = logging.getLogger(__name__)
logger.addHandler(logging.StreamHandler())  # Ещё один handler
logger.info("Test")  # Выводится дважды!

Решение:

# ✅ Хорошо: один handler
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
# Не добавлять handler, использовать root

# Или: отключить propagation
logger.addHandler(logging.StreamHandler())
logger.propagate = False

5.2. Логи не выводятся

Проблема: logger.info() ничего не выводит.

Причины:

Уровень logger выше INFO
Нет handlers
Handler уровень выше INFO

Диагностика:

logger = logging.getLogger(__name__)
print(f"Level: {logger.level}")  # 0 = NOTSET
print(f"Handlers: {logger.handlers}")  # Пусто?
print(f"Effective level: {logger.getEffectiveLevel()}")

Решение:

# Добавить handler
if not logger.handlers:
    handler = logging.StreamHandler()
    handler.setLevel(logging.INFO)
    handler.setFormatter(logging.Formatter('%(levelname)s: %(message)s'))
    logger.addHandler(handler)
    logger.setLevel(logging.DEBUG)

5.3. basicConfig не работает

Проблема: basicConfig() вызван, но ничего не происходит.

Причина: basicConfig работает только один раз.

# ❌ Плохо: второй вызов игнорируется
logging.basicConfig(level=logging.INFO)
# ... какой-то код ...
logging.basicConfig(level=logging.DEBUG)  # Игнорируется!

Решение:

# ✅ Хорошо: один вызов
if not logging.getLogger().handlers:
    logging.basicConfig(level=logging.INFO)

# Или: dictConfig для полной конфигурации
import logging.config
logging.config.dictConfig({...})

5.4. Extra поля не выводятся

Проблема: extra поля не появляются в выводе.

Причина: Formatter не включает поля.

# ❌ Плохо: formatter не знает о extra полях
formatter = logging.Formatter('%(levelname)s: %(message)s')
logger.info("Test", extra={"user_id": 123})
# user_id не выводится

Решение:

# ✅ Хорошо: включить extra поля в formatter
formatter = logging.Formatter(
    '%(levelname)s: %(message)s - user_id=%(user_id)s'
)

# Или: использовать JsonFormatter
from pythonjsonlogger import jsonlogger
formatter = jsonlogger.JsonFormatter()

6. Тестирование production конфигурации

Проблема: Нужно проверить конфигурацию перед deploy.

Решение: Интеграционные тесты конфигурации.

import logging.config
import yaml
import pytest

@pytest.fixture
def logging_config():
    """Загрузка production конфигурации."""
    with open('logging.production.yaml') as f:
        return yaml.safe_load(f)

def test_logging_config_valid(logging_config):
    """Тест: конфигурация валидна."""
    # Проверка структуры
    assert 'version' in logging_config
    assert logging_config['version'] == 1
    assert 'handlers' in logging_config
    assert 'loggers' in logging_config

def test_logging_config_applies(logging_config):
    """Тест: конфигурация применяется без ошибок."""
    import logging.config
    logging.config.dictConfig(logging_config)
    
    logger = logging.getLogger('app')
    assert logger is not None
    assert len(logger.handlers) > 0

def test_logging_output(logging_config, tmp_path):
    """Тест: логи записываются в файл."""
    # Модификация конфига для теста
    logging_config['handlers']['file']['filename'] = str(tmp_path / 'test.log')
    
    logging.config.dictConfig(logging_config)
    
    logger = logging.getLogger('app')
    logger.info("Test message")
    
    # Ожидание записи
    import time
    time.sleep(0.1)
    
    # Проверка файла
    log_file = tmp_path / 'test.log'
    assert log_file.exists()
    content = log_file.read_text()
    assert "Test message" in content

9. Тестирование структурированных логов (JSON)

Проблема: JSON логи требуют парсинга для тестирования.

Решение: Специализированные фикстуры и утилиты.

9.1. Тестирование python-json-logger

# conftest.py
import json
import logging
import pytest
from io import StringIO
from pythonjsonlogger import jsonlogger

@pytest.fixture
def json_logger():
    """
    Фикстура для тестирования JSON логов.
    
    Usage:
        def test_json_logger(json_logger):
            json_logger.info("User created", extra={"user_id": 123})
            logs = json_logger.get_logs()
            assert logs[0]["user_id"] == 123
    """
    stream = StringIO()
    handler = logging.StreamHandler(stream)
    handler.setFormatter(jsonlogger.JsonFormatter(
        '%(asctime)s %(name)s %(levelname)s %(message)s'
    ))
    
    logger = logging.getLogger('json_test')
    logger.addHandler(handler)
    logger.setLevel(logging.DEBUG)
    
    class JsonLogCapture:
        def __init__(self, stream, logger):
            self.stream = stream
            self.logger = logger
        
        def get_logs(self):
            """Парсит JSON логи из StringIO."""
            self.stream.seek(0)
            lines = self.stream.getvalue().strip().split('\n')
            return [json.loads(line) for line in lines if line]
        
        def clear(self):
            self.stream.truncate(0)
            self.stream.seek(0)
    
    capture = JsonLogCapture(stream, logger)
    yield capture
    
    logger.removeHandler(handler)
    handler.close()

def test_json_logger_with_extra(json_logger):
    """Тест: JSON лог с extra полями."""
    json_logger.logger.info(
        "User action",
        extra={
            "user_id": 123,
            "action": "login",
            "ip_address": "192.168.1.1"
        }
    )
    
    logs = json_logger.get_logs()
    assert len(logs) == 1
    assert logs[0]["message"] == "User action"
    assert logs[0]["user_id"] == 123
    assert logs[0]["action"] == "login"
    assert logs[0]["ip_address"] == "192.168.1.1"
    assert "asctime" in logs[0]
    assert "levelname" in logs[0]

9.2. Тестирование structlog

# conftest.py
import pytest
import structlog
from structlog.testing import capture_logs

@pytest.fixture
def structlog_capture():
    """
    Фикстура для перехвата structlog событий.
    
    Usage:
        def test_structlog(structlog_capture):
            logger = structlog.get_logger()
            logger.info("user_created", user_id=123)
            assert structlog_capture[0]["event"] == "user_created"
    """
    with capture_logs() as cap_logs:
        yield cap_logs

def test_structlog_events(structlog_capture):
    """Тест: structlog события корректны."""
    # Конфигурация structlog для теста
    structlog.configure(
        processors=[
            structlog.processors.add_log_level,
            structlog.processors.TimeStamper(fmt="iso"),
            structlog.processors.JSONRenderer()
        ],
        wrapper_class=structlog.make_filtering_bound_logger(logging.INFO),
        context_class=dict,
        logger_factory=structlog.PrintLoggerFactory(),
        cache_logger_on_first_use=False,
    )
    
    logger = structlog.get_logger()
    logger.info("user_created", user_id=123, username="john")
    logger.warning("low_balance", account_id=456, balance=-100)
    
    assert len(structlog_capture) == 2
    assert structlog_capture[0]["event"] == "user_created"
    assert structlog_capture[0]["user_id"] == 123
    assert structlog_capture[1]["event"] == "low_balance"

9.3. Валидация схемы JSON логов

# conftest.py
import json
import logging
import pytest
from io import StringIO
from pydantic import BaseModel, ValidationError
from datetime import datetime

class LogRecordSchema(BaseModel):
    """Схема для валидации JSON логов."""
    level: str
    message: str
    timestamp: str
    logger: str
    
    class Config:
        extra = 'allow'  # Разрешить extra поля

@pytest.fixture
def validated_json_logger():
    """
    Фикстура для тестирования JSON логов с валидацией схемы.
    
    Usage:
        def test_schema(validated_json_logger):
            validated_json_logger.info("Test", extra={"user_id": 123})
            logs = validated_json_logger.get_validated_logs()
            assert logs[0].user_id == 123
    """
    stream = StringIO()
    handler = logging.StreamHandler(stream)
    
    class JsonFormatter(logging.Formatter):
        def format(self, record):
            log_data = {
                "level": record.levelname,
                "message": record.getMessage(),
                "timestamp": datetime.utcnow().isoformat(),
                "logger": record.name,
            }
            # Добавление extra полей
            for key, value in record.__dict__.items():
                if key not in ['name', 'msg', 'args', 'levelname', 
                              'levelno', 'pathname', 'filename',
                              'module', 'lineno', 'funcName', 
                              'created', 'msecs', 'relativeCreated',
                              'thread', 'threadName', 'processName',
                              'process', 'message', 'asctime']:
                    log_data[key] = value
            return json.dumps(log_data)
    
    handler.setFormatter(JsonFormatter())
    logger = logging.getLogger('validated_test')
    logger.addHandler(handler)
    logger.setLevel(logging.DEBUG)
    
    class ValidatedLogCapture:
        def __init__(self, stream, logger):
            self.stream = stream
            self.logger = logger
        
        def get_validated_logs(self):
            """Возвращает валидированные Pydantic модели."""
            self.stream.seek(0)
            lines = self.stream.getvalue().strip().split('\n')
            validated = []
            for line in lines:
                if line:
                    data = json.loads(line)
                    validated.append(LogRecordSchema(**data))
            return validated
        
        def clear(self):
            self.stream.truncate(0)
            self.stream.seek(0)
    
    capture = ValidatedLogCapture(stream, logger)
    yield capture
    
    logger.removeHandler(handler)
    handler.close()

def test_json_schema_validation(validated_json_logger):
    """Тест: валидация схемы JSON логов."""
    validated_json_logger.logger.info(
        "Payment processed",
        extra={
            "payment_id": "pay_123",
            "amount": 99.99,
            "currency": "USD"
        }
    )
    
    logs = validated_json_logger.get_validated_logs()
    assert len(logs) == 1
    
    log = logs[0]
    assert log.level == "INFO"
    assert log.message == "Payment processed"
    assert log.payment_id == "pay_123"
    assert log.amount == 99.99
    assert log.currency == "USD"
    # Валидация timestamp
    datetime.fromisoformat(log.timestamp)  # Не должно вызвать ошибку

9.4. Тестирование с разными бэкендами

# conftest.py
import pytest
import logging
from io import StringIO
import json

@pytest.fixture(params=[
    'json',
    'text',
    'structlog'
])
def log_format(request):
    """Фикстура для тестирования разных форматов логов."""
    return request.param

def test_application_with_formats(log_format, tmp_path):
    """Тест: приложение работает с разными форматами логов."""
    from app import setup_logging, run_process
    
    log_file = tmp_path / f"test_{log_format}.log"
    setup_logging(format=log_format, filename=str(log_file))
    
    run_process()
    
    # Проверка что файл создан и не пуст
    assert log_file.exists()
    content = log_file.read_text()
    assert len(content) > 0
    
    # Парсинг в зависимости от формата
    if log_format == 'json':
        for line in content.strip().split('\n'):
            json.loads(line)  # Валидация JSON

8. Расширенные pytest fixtures для логирования

8.1. Фикстура для изоляции тестов

# conftest.py
import logging
import pytest

@pytest.fixture(autouse=True)
def isolate_logging():
    """
    Фикстура изолирует logging между тестами.
    Сохраняет состояние, очищает после теста, восстанавливает.
    """
    # Сохранение состояния root logger
    root = logging.getLogger()
    old_level = root.level
    old_handlers = root.handlers[:]
    old_propagate = logging.getLogger('app').propagate

    yield

    # Восстановление состояния
    root.handlers.clear()
    for handler in old_handlers:
        handler.close()
    root.handlers.extend(old_handlers)
    root.setLevel(old_level)
    logging.getLogger('app').propagate = old_propagate

@pytest.fixture
def log_capture():
    """
    Фикстура для перехвата логов с кастомным уровнем.
    
    Usage:
        def test_something(log_capture):
            log_capture.set_level(logging.DEBUG)
            function_under_test()
            assert log_capture.contains("message")
    """
    class LogCapture:
        def __init__(self):
            self.handler = logging.MemoryHandler(capacity=100)
            self.handler.setFormatter(
                logging.Formatter('%(name)s - %(levelname)s - %(message)s')
            )
            logging.getLogger().addHandler(self.handler)
        
        def set_level(self, level):
            self.handler.setLevel(level)
        
        @property
        def records(self):
            return self.handler.buffer
        
        def contains(self, message):
            return any(message in r.getMessage() for r in self.records)
        
        def clear(self):
            self.handler.acquire()
            self.handler.buffer.clear()
            self.handler.release()
        
        def teardown(self):
            logging.getLogger().removeHandler(self.handler)
            self.handler.close()
    
    capture = LogCapture()
    yield capture
    capture.teardown()

8.2. Фикстура для тестирования JSON логов

# conftest.py
import json
import logging
import pytest
from io import StringIO

@pytest.fixture
def json_log_capture():
    """
    Фикстура для перехвата JSON логов.
    
    Usage:
        def test_json_log(json_log_capture):
            logger.info("User created", extra={"user_id": 123})
            logs = json_log_capture.get_logs()
            assert logs[0]["event"] == "User created"
            assert logs[0]["user_id"] == 123
    """
    stream = StringIO()
    handler = logging.StreamHandler(stream)
    handler.setFormatter(logging.Formatter('%(message)s'))
    
    logger = logging.getLogger('test_app')
    logger.addHandler(handler)
    logger.setLevel(logging.DEBUG)
    
    yield stream, logger
    
    logger.removeHandler(handler)
    handler.close()

def test_json_output(json_log_capture):
    """Тест: проверка JSON формата логов."""
    stream, logger = json_log_capture
    
    # Эмуляция JSON логирования
    import json
    log_record = {
        "level": "INFO",
        "event": "User created",
        "user_id": 123,
        "timestamp": "2024-01-01T00:00:00Z"
    }
    logger.info(json.dumps(log_record))
    
    output = stream.getvalue().strip()
    parsed = json.loads(output)
    
    assert parsed["event"] == "User created"
    assert parsed["user_id"] == 123

8.3. Параметризованная фикстура для уровней логирования

# conftest.py
import logging
import pytest

@pytest.fixture(params=[
    logging.DEBUG,
    logging.INFO,
    logging.WARNING,
    logging.ERROR,
])
def log_level(request):
    """Фикстура для тестирования на разных уровнях логирования."""
    return request.param

def test_application_with_different_levels(log_level, caplog):
    """Тест: приложение работает на всех уровнях логирования."""
    from app import run_application
    
    caplog.set_level(log_level)
    run_application()
    
    # Проверка что логи не падают на любом уровне
    assert caplog.records is not None

8.4. Фикстура для временных файлов логов

# conftest.py
import logging
import pytest
from pathlib import Path

@pytest.fixture
def temp_log_file(tmp_path):
    """
    Фикстура создаёт временный файл для логов.
    
    Usage:
        def test_file_logging(temp_log_file, caplog):
            setup_file_logging(temp_log_file)
            logger.info("Test")
            assert "Test" in temp_log_file.read_text()
    """
    log_file = tmp_path / "test.log"
    yield log_file
    # Очистка после теста
    if log_file.exists():
        log_file.unlink()

def test_handler_logging(temp_log_file):
    """Тест: запись в файл работает корректно."""
    handler = logging.FileHandler(temp_log_file)
    handler.setFormatter(logging.Formatter('%(levelname)s - %(message)s'))
    
    logger = logging.getLogger('test')
    logger.addHandler(handler)
    logger.setLevel(logging.INFO)
    
    logger.info("Test message")
    handler.close()
    logger.removeHandler(handler)
    
    content = temp_log_file.read_text()
    assert "INFO - Test message" in content

10. Performance тестирование логирования

Проблема: Логирование влияет на производительность приложения.

Решение: Бенчмарки для оценки overhead логирования.

10.1. Бенчмарк скорости логирования

# test_logging_performance.py
import logging
import time
import pytest
from io import StringIO

@pytest.fixture(params=[
    'no_handler',
    'stream_handler',
    'file_handler',
    'json_handler',
    'async_handler',
])
def logging_config(request, tmp_path):
    """Разные конфигурации для бенчмарка."""
    config_type = request.param
    
    logger = logging.getLogger('perf_test')
    logger.handlers.clear()
    logger.setLevel(logging.DEBUG)
    
    if config_type == 'no_handler':
        pass  # Без handlers
    
    elif config_type == 'stream_handler':
        handler = logging.StreamHandler(StringIO())
        handler.setFormatter(logging.Formatter('%(levelname)s - %(message)s'))
        logger.addHandler(handler)
    
    elif config_type == 'file_handler':
        log_file = tmp_path / 'perf.log'
        handler = logging.FileHandler(log_file)
        handler.setFormatter(logging.Formatter('%(levelname)s - %(message)s'))
        logger.addHandler(handler)
    
    elif config_type == 'json_handler':
        from pythonjsonlogger import jsonlogger
        handler = logging.StreamHandler(StringIO())
        handler.setFormatter(jsonlogger.JsonFormatter(
            '%(asctime)s %(name)s %(levelname)s %(message)s'
        ))
        logger.addHandler(handler)
    
    elif config_type == 'async_handler':
        import logging.handlers
        import queue
        log_queue = queue.Queue()
        queue_handler = logging.handlers.QueueHandler(log_queue)
        stream_handler = logging.StreamHandler(StringIO())
        listener = logging.handlers.QueueListener(
            log_queue, stream_handler
        )
        listener.start()
        logger.addHandler(queue_handler)
        # Сохраняем listener для остановки
        logger._listener = listener
    
    yield logger, config_type
    
    # Очистка
    for handler in logger.handlers[:]:
        handler.close()
        logger.removeHandler(handler)
    if hasattr(logger, '_listener'):
        logger._listener.stop()

def test_logging_throughput(logging_config, benchmark):
    """Бенчмарк: throughput логирования."""
    logger, config_type = logging_config
    
    def log_many():
        for i in range(1000):
            logger.info(f"Message {i}")
        # Для async handler
        if hasattr(logger, '_listener'):
            time.sleep(0.1)
    
    benchmark(log_many)

10.2. Бенчмарк с pytest-benchmark

pip install pytest-benchmark

# test_logging_benchmark.py
import logging
import pytest
from io import StringIO

@pytest.fixture
def fast_logger():
    """Быстрый logger без formatter."""
    logger = logging.getLogger('fast_test')
    logger.handlers.clear()
    logger.setLevel(logging.DEBUG)
    
    handler = logging.StreamHandler(StringIO())
    # Минимальный formatter
    handler.setFormatter(logging.Formatter('%(levelname)s'))
    logger.addHandler(handler)
    
    yield logger
    
    logger.removeHandler(handler)
    handler.close()

@pytest.fixture
def slow_logger():
    """Медленный logger с complex formatter."""
    logger = logging.getLogger('slow_test')
    logger.handlers.clear()
    logger.setLevel(logging.DEBUG)
    
    handler = logging.StreamHandler(StringIO())
    # Сложный formatter
    handler.setFormatter(logging.Formatter(
        '%(asctime)s %(name)s %(levelname)s %(message)s '
        '%(pathname)s:%(lineno)d %(funcName)s'
    ))
    logger.addHandler(handler)
    
    yield logger
    
    logger.removeHandler(handler)
    handler.close()

def test_fast_logger_benchmark(benchmark, fast_logger):
    """Бенчмарк быстрого logger."""
    def log():
        for i in range(100):
            fast_logger.info(f"Message {i}")
    
    result = benchmark(log)
    print(f"Fast logger: {result}")

def test_slow_logger_benchmark(benchmark, slow_logger):
    """Бенчмарк медленного logger."""
    def log():
        for i in range(100):
            slow_logger.info(f"Message {i}")
    
    result = benchmark(log)
    print(f"Slow logger: {result}")

Запуск:

pytest test_logging_benchmark.py --benchmark-only

10.3. Сравнение синхронного и асинхронного логирования

import logging
import logging.handlers
import queue
import time
from contextlib import contextmanager

@contextmanager
def measure_time(label):
    """Контекстный менеджер для замера времени."""
    start = time.perf_counter()
    yield
    end = time.perf_counter()
    print(f"{label}: {end - start:.4f} seconds")

def compare_sync_async_logging():
    """Сравнение sync и async логирования."""
    iterations = 10000
    
    # Синхронное логирование
    sync_logger = logging.getLogger('sync_test')
    sync_logger.handlers.clear()
    sync_handler = logging.StreamHandler(open('/dev/null', 'w'))
    sync_logger.addHandler(sync_handler)
    sync_logger.setLevel(logging.DEBUG)
    
    with measure_time(f"Sync ({iterations} logs)"):
        for i in range(iterations):
            sync_logger.info(f"Sync message {i}")
    
    sync_handler.close()
    
    # Асинхронное логирование
    async_logger = logging.getLogger('async_test')
    async_logger.handlers.clear()
    
    log_queue = queue.Queue()
    queue_handler = logging.handlers.QueueHandler(log_queue)
    async_handler = logging.StreamHandler(open('/dev/null', 'w'))
    listener = logging.handlers.QueueListener(log_queue, async_handler)
    listener.start()
    
    async_logger.addHandler(queue_handler)
    async_logger.setLevel(logging.DEBUG)
    
    with measure_time(f"Async ({iterations} logs)"):
        for i in range(iterations):
            async_logger.info(f"Async message {i}")
        # Ожидание обработки очереди
        time.sleep(0.1)
    
    listener.stop()
    async_handler.close()

# Запуск сравнения
if __name__ == '__main__':
    compare_sync_async_logging()

10.4. Тестирование памяти

import logging
import tracemalloc
import pytest

@pytest.fixture
def memory_logger():
    """Logger для тестирования памяти."""
    logger = logging.getLogger('memory_test')
    logger.handlers.clear()
    logger.setLevel(logging.DEBUG)
    
    yield logger
    
    logger.handlers.clear()

def test_logging_memory_usage(memory_logger):
    """Тест: потребление памяти при логировании."""
    tracemalloc.start()
    
    # Логирование 10000 сообщений
    for i in range(10000):
        memory_logger.info(f"Message {i}")
    
    current, peak = tracemalloc.get_traced_memory()
    tracemalloc.stop()
    
    print(f"Current memory: {current / 1024 / 1024:.2f} MB")
    print(f"Peak memory: {peak / 1024 / 1024:.2f} MB")
    
    # Проверка что память не утекła
    assert peak < 50 * 1024 * 1024  # Менее 50 MB

def test_handler_memory_leak():
    """Тест: утечка памяти в handlers."""
    tracemalloc.start()
    
    logger = logging.getLogger('leak_test')
    logger.handlers.clear()
    
    # Многократное добавление/удаление handlers
    for _ in range(100):
        handler = logging.StreamHandler()
        logger.addHandler(handler)
        logger.info("Test message")
        logger.removeHandler(handler)
        handler.close()
    
    current, peak = tracemalloc.get_traced_memory()
    tracemalloc.stop()
    
    # Проверка что память освобождается
    assert current < 10 * 1024 * 1024  # Менее 10 MB

10.5. Нагрузочное тестирование

import logging
import logging.handlers
import threading
import time
import pytest

def stress_test_logging(num_threads=10, logs_per_thread=1000):
    """Нагрузочный тест: многопоточное логирование."""
    logger = logging.getLogger('stress_test')
    logger.handlers.clear()
    logger.setLevel(logging.DEBUG)
    
    # Файловый handler
    handler = logging.FileHandler('/tmp/stress_test.log')
    handler.setFormatter(logging.Formatter(
        '%(asctime)s %(threadName)s %(levelname)s %(message)s'
    ))
    logger.addHandler(handler)
    
    def log_from_thread(thread_id):
        for i in range(logs_per_thread):
            logger.info(f"Thread {thread_id}: Message {i}")
    
    threads = []
    start_time = time.time()
    
    # Запуск потоков
    for i in range(num_threads):
        t = threading.Thread(target=log_from_thread, args=(i,))
        threads.append(t)
        t.start()
    
    # Ожидание завершения
    for t in threads:
        t.join()
    
    end_time = time.time()
    handler.close()
    
    total_logs = num_threads * logs_per_thread
    duration = end_time - start_time
    
    print(f"Total logs: {total_logs}")
    print(f"Duration: {duration:.2f}s")
    print(f"Logs/sec: {total_logs / duration:.2f}")
    
    return {
        'total_logs': total_logs,
        'duration': duration,
        'logs_per_second': total_logs / duration
    }

def test_stress_logging():
    """Тест: стабильность при высокой нагрузке."""
    result = stress_test_logging(num_threads=10, logs_per_thread=1000)
    
    # Проверка что производительность приемлемая
    assert result['logs_per_second'] > 1000  # Более 1000 логов/сек

11. Отладка в реальных проектах (Docker, Kubernetes)

Проблема: Логи в контейнерах и Kubernetes требуют особого подхода.

Решение: Специализированные техники отладки для containerized сред.

11.1. Логирование в Docker

# docker_logging.py
import logging
import sys
import os

def setup_docker_logging():
    """
    Настройка логирования для Docker контейнеров.
    
    Best practices:
    - Логирование в stdout/stderr (собирается docker logs)
    - JSON формат для парсинга
    - Без файловых handlers
    """
    # Определение уровня из переменной окружения
    log_level = os.getenv('LOG_LEVEL', 'INFO').upper()
    
    logger = logging.getLogger()
    logger.setLevel(getattr(logging, log_level))
    
    # Очистка существующих handlers
    logger.handlers.clear()
    
    # Stream handler для stdout
    stdout_handler = logging.StreamHandler(sys.stdout)
    stdout_handler.setLevel(getattr(logging, log_level))
    
    # JSON формат для production
    if os.getenv('ENVIRONMENT') == 'production':
        from pythonjsonlogger import jsonlogger
        formatter = jsonlogger.JsonFormatter(
            '%(asctime)s %(name)s %(levelname)s %(message)s '
            '%(pathname)s %(lineno)d %(funcName)s'
        )
    else:
        # Цветной вывод для development
        formatter = logging.Formatter(
            '%(asctime)s %(name)s %(levelname)s %(message)s',
            datefmt='%Y-%m-%d %H:%M:%S'
        )
    
    stdout_handler.setFormatter(formatter)
    logger.addHandler(stdout_handler)
    
    # Ошибки в stderr
    stderr_handler = logging.StreamHandler(sys.stderr)
    stderr_handler.setLevel(logging.ERROR)
    stderr_handler.setFormatter(formatter)
    logger.addHandler(stderr_handler)
    
    return logger

# Использование
logger = setup_docker_logging()

Dockerfile:

FROM python:3.11-slim

ENV LOG_LEVEL=INFO
ENV ENVIRONMENT=production

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

# Не запускать как root
RUN useradd -m appuser
USER appuser

CMD ["python", "main.py"]

docker-compose.yml:

version: '3.8'

services:
  app:
    build: .
    environment:
      - LOG_LEVEL=DEBUG
      - ENVIRONMENT=development
    logging:
      driver: "json-file"
      options:
        max-size: "10m"
        max-file: "3"
    # Для отладки можно увеличить verbosity
    command: ["python", "-u", "main.py"]  # -u для unbuffered output

11.2. Логирование в Kubernetes

# k8s_logging.py
import logging
import os
import socket
from pythonjsonlogger import jsonlogger

def setup_kubernetes_logging():
    """
    Настройка логирования для Kubernetes.
    
    Учитывает:
    - Pod name, namespace, node name
    - Container name
    - Labels для фильтрации
    """
    logger = logging.getLogger()
    logger.setLevel(logging.INFO)
    logger.handlers.clear()
    
    # Kubernetes metadata из environment variables
    pod_name = os.getenv('POD_NAME', 'unknown')
    namespace = os.getenv('POD_NAMESPACE', 'default')
    node_name = os.getenv('NODE_NAME', 'unknown')
    container_name = os.getenv('CONTAINER_NAME', 'app')
    
    class KubernetesJsonFormatter(jsonlogger.JsonFormatter):
        """JSON formatter с Kubernetes metadata."""
        
        def add_fields(self, log_record, record, message_dict):
            super().add_fields(log_record, record, message_dict)
            
            # Добавление Kubernetes metadata
            log_record['pod_name'] = pod_name
            log_record['namespace'] = namespace
            log_record['node_name'] = node_name
            log_record['container_name'] = container_name
            log_record['hostname'] = socket.gethostname()
            
            # Kubernetes recommended поля
            log_record['severity'] = record.levelname
            log_record['logging.googleapis.com/sourceLocation'] = {
                'file': record.pathname,
                'line': record.lineno,
                'function': record.funcName,
            }
    
    handler = logging.StreamHandler()
    handler.setFormatter(KubernetesJsonFormatter())
    logger.addHandler(handler)
    
    return logger

logger = setup_kubernetes_logging()

Kubernetes Deployment с логированием:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-app
spec:
  replicas: 3
  selector:
    matchLabels:
      app: my-app
  template:
    metadata:
      labels:
        app: my-app
        version: v1
      annotations:
        # Для сбора логов Fluentd/Fluent Bit
        fluentbit.io/parser: "json"
    spec:
      containers:
      - name: app
        image: my-app:latest
        env:
        - name: POD_NAME
          valueFrom:
            fieldRef:
              fieldPath: metadata.name
        - name: POD_NAMESPACE
          valueFrom:
            fieldRef:
              fieldPath: metadata.namespace
        - name: NODE_NAME
          valueFrom:
            fieldRef:
              fieldPath: spec.nodeName
        - name: CONTAINER_NAME
          value: "app"
        - name: LOG_LEVEL
          value: "INFO"
        - name: ENVIRONMENT
          value: "production"
        resources:
          requests:
            memory: "256Mi"
            cpu: "100m"
          limits:
            memory: "512Mi"
            cpu: "500m"

11.3. Отладка логов в Kubernetes

Просмотр логов:

# Логи пода
kubectl logs my-app-5d4f6c7b8-xvz9p

# Логи с follow
kubectl logs -f my-app-5d4f6c7b8-xvz9p

# Логи предыдущего контейнера (после crash)
kubectl logs my-app-5d4f6c7b8-xvz9p --previous

# Логи с timestamp
kubectl logs my-app-5d4f6c7b8-xvz9p -f --timestamps

# Поиск по логам
kubectl logs my-app-5d4f6c7b8-xvz9p | grep "ERROR"

# Последние N строк
kubectl logs my-app-5d4f6c7b8-xvz9p --tail=100

# Логи всех контейнеров в поде
kubectl logs my-app-5d4f6c7b8-xvz9p --all-containers

# Логи конкретного контейнера
kubectl logs my-app-5d4f6c7b8-xvz9p -c sidecar

# Логи всех подов с label
kubectl logs -l app=my-app --all-containers

Отладка с kubectl debug:

# Запуск ephemeral контейнера для отладки
kubectl debug -it my-app-5d4f6c7b8-xvz9p --image=busybox

# Внутри debug контейнера можно посмотреть логи
cat /var/log/containers/*.log

# Или использовать journalctl
journalctl -u containerd

11.4. Централизованное логирование (ELK Stack)

# elk_logging.py
import logging
from logging.handlers import SocketHandler
import json
import os

def setup_elk_logging():
    """
    Настройка логирования для ELK Stack (Elasticsearch, Logstash, Kibana).
    
    Архитектура:
    App -> Logstash -> Elasticsearch -> Kibana
    """
    logger = logging.getLogger()
    logger.setLevel(logging.INFO)
    logger.handlers.clear()
    
    # Local stdout для сбора Filebeat/Fluentd
    console_handler = logging.StreamHandler()
    console_handler.setFormatter(logging.Formatter('%(message)s'))
    logger.addHandler(console_handler)
    
    # Опционально: прямая отправка в Logstash
    logstash_host = os.getenv('LOGSTASH_HOST')
    logstash_port = os.getenv('LOGSTASH_PORT', 5000)
    
    if logstash_host:
        class LogstashHandler(SocketHandler):
            """Handler для отправки в Logstash."""
            
            def __init__(self, host, port):
                super().__init__(host, port)
                self.app_name = os.getenv('APP_NAME', 'app')
            
            def makePickle(self, record):
                log_data = {
                    '@timestamp': self.formatTime(record),
                    'level': record.levelname,
                    'logger': record.name,
                    'message': record.getMessage(),
                    'app': self.app_name,
                    'host': record.hostname if hasattr(record, 'hostname') else '',
                    'pathname': record.pathname,
                    'lineno': record.lineno,
                }
                # Добавление extra полей
                for key, value in record.__dict__.items():
                    if key not in ['name', 'msg', 'args', 'levelname',
                                  'levelno', 'pathname', 'filename',
                                  'module', 'lineno', 'funcName',
                                  'created', 'msecs', 'relativeCreated',
                                  'thread', 'threadName', 'processName',
                                  'process', 'message', 'asctime', 'hostname']:
                        log_data[key] = value
                
                return json.dumps(log_data).encode('utf-8') + b'\n'
        
        logstash_handler = LogstashHandler(logstash_host, logstash_port)
        logstash_handler.setFormatter(logging.Formatter())
        logger.addHandler(logstash_handler)
    
    return logger

logger = setup_elk_logging()

Logstash конфигурация:

# logstash.conf
input {
  tcp {
    port => 5000
    codec => json_lines
  }
}

filter {
  # Парсинг timestamp
  date {
    match => ["@timestamp", "ISO8601"]
  }
  
  # Добавление metadata
  mutate {
    add_field => {
      "environment" => "production"
      "team" => "backend"
    }
  }
  
  # Парсинг Python traceback
  if [message] =~ "Traceback" {
    grok {
      match => { "message" => "(?<traceback>.*)" }
    }
  }
}

output {
  elasticsearch {
    hosts => ["elasticsearch:9200"]
    index => "logs-%{+YYYY.MM.dd}"
  }
}

11.5. Отладка с Loki и Promtail

# loki_logging.py
import logging
import os
from pythonjsonlogger import jsonlogger

def setup_loki_logging():
    """
    Настройка логирования для Grafana Loki.
    
    Loki использует labels для индексации,
    поэтому важно добавлять структурированные поля.
    """
    logger = logging.getLogger()
    logger.setLevel(logging.INFO)
    logger.handlers.clear()
    
    handler = logging.StreamHandler()
    
    # JSON формат с labels для Loki
    class LokiJsonFormatter(jsonlogger.JsonFormatter):
        def add_fields(self, log_record, record, message_dict):
            super().add_fields(log_record, record, message_dict)
            
            # Loki labels (должны быть строками)
            log_record['level'] = record.levelname
            log_record['service'] = os.getenv('SERVICE_NAME', 'app')
            log_record['environment'] = os.getenv('ENVIRONMENT', 'dev')
            log_record['version'] = os.getenv('APP_VERSION', 'unknown')
    
    handler.setFormatter(LokiJsonFormatter())
    logger.addHandler(handler)
    
    return logger

logger = setup_loki_logging()

Promtail конфигурация:

# promtail.yaml
server:
  http_listen_port: 9080

positions:
  filename: /tmp/positions.yaml

clients:
  - url: http://loki:3100/loki/api/v1/push

scrape_configs:
  - job_name: containers
    static_configs:
      - targets:
          - localhost
        labels:
          job: containerlogs
          __path__: /var/log/containers/*pod-name*.log
    
    pipeline_stages:
      - json:
          expressions:
            level: level
            service: service
            message: message
      
      - labels:
          - level
          - service
          - environment
      
      - output:
          source: message

LogQL запросы в Grafana:

# Все ERROR логи
{service="my-app", environment="production"} |= "ERROR"

# Логи по user_id
{service="my-app"} | json | user_id="123"

# Агрегация по уровню
sum by (level) (count_over_time({service="my-app"}[1h]))

# Поиск traceback
{service="my-app"} |= "Traceback"

# Rate логов
rate({service="my-app"}[5m])

11.6. Distributed tracing с логированием

# tracing_logging.py
import logging
import os
from opentelemetry import trace
from opentelemetry.exporter.jaeger.thrift import JaegerExporter
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import BatchSpanProcessor

def setup_tracing_with_logging():
    """
    Настройка distributed tracing с корреляцией логов.
    
    Интеграция с Jaeger/Zipkin для tracing,
    с добавлением trace_id в логи.
    """
    # Настройка tracing
    trace.set_tracer_provider(TracerProvider())
    
    jaeger_exporter = JaegerExporter(
        agent_host_name=os.getenv('JAEGER_HOST', 'localhost'),
        agent_port=int(os.getenv('JAEGER_PORT', 6831)),
    )
    
    span_processor = BatchSpanProcessor(jaeger_exporter)
    trace.get_tracer_provider().add_span_processor(span_processor)
    
    tracer = trace.get_tracer(__name__)
    
    # Настройка логирования с trace_id
    logger = logging.getLogger()
    logger.setLevel(logging.INFO)
    logger.handlers.clear()
    
    class TraceIdFormatter(logging.Formatter):
        """Formatter с добавлением trace_id."""
        
        def format(self, record):
            # Получение текущего trace_id из context
            span = trace.get_current_span()
            if span.is_recording():
                trace_id = span.get_span_context().trace_id
                # Форматирование trace_id в hex
                record.trace_id = f"{trace_id:032x}"
                record.span_id = f"{span.get_span_context().span_id:016x}"
            else:
                record.trace_id = "0" * 32
                record.span_id = "0" * 16
            
            return super().format(record)
    
    handler = logging.StreamHandler()
    handler.setFormatter(TraceIdFormatter(
        '%(asctime)s [%(trace_id)s:%(span_id)s] %(levelname)s %(message)s'
    ))
    logger.addHandler(handler)
    
    return logger, tracer

# Использование
logger, tracer = setup_tracing_with_logging()

def process_request(request_id):
    with tracer.start_as_current_span("process_request") as span:
        span.set_attribute("request_id", request_id)
        logger.info(f"Processing request {request_id}")
        # ... обработка

12. Чеклист для диагностики проблем

12.1. Логи не выводятся

□ 1. Проверить уровень логирования
   - logger.level != 0 (NOTSET)?
   - logger.getEffectiveLevel() показывает что?
   - Handler.level установлен?

□ 2. Проверить наличие handlers
   - logger.handlers не пуст?
   - Root logger имеет handlers?

□ 3. Проверить иерархию
   - logger.propagate = True?
   - Родительский logger имеет handlers?

□ 4. Проверить фильтр
   - Нет ли filter на handler?
   - Нет ли filter на logger?

Команды для диагностики:

import logging

logger = logging.getLogger('my_logger')

# Быстрая диагностика
print(f"Level: {logger.level} ({logging.getLevelName(logger.level)})")
print(f"Effective: {logger.getEffectiveLevel()}")
print(f"Handlers: {len(logger.handlers)}")
print(f"Propagate: {logger.propagate}")
print(f"Disabled: {logger.disabled}")

# Проверка root
root = logging.getLogger()
print(f"Root level: {root.level}")
print(f"Root handlers: {len(root.handlers)}")

12.2. Дублирование логов

□ 1. Проверить количество handlers
   - len(logger.handlers) > 1?
   - len(root.handlers) > 0?

□ 2. Проверить propagate
   - logger.propagate = False если есть свои handlers?

□ 3. Проверить иерархию
   - Родительский logger имеет те же handlers?

Решение:

# Вариант 1: Использовать только root logger
logger = logging.getLogger(__name__)
# Не добавлять handlers, использовать root

# Вариант 2: Отключить propagate
logger = logging.getLogger(__name__)
logger.addHandler(my_handler)
logger.propagate = False

# Вариант 3: Очистить унаследованные handlers
logger.handlers.clear()
logger.addHandler(my_handler)

12.3. basicConfig не работает

□ 1. Проверить количество вызовов
   - basicConfig вызывался раньше?
   - Есть ли другие handlers в root?

□ 2. Проверить force параметр (Python 3.8+)
   - logging.basicConfig(..., force=True)

□ 3. Проверить наличие handlers в root
   - len(logging.getLogger().handlers) > 0?

Решение:

# Вариант 1: Использовать force (Python 3.8+)
logging.basicConfig(level=logging.DEBUG, force=True)

# Вариант 2: Проверка перед вызовом
if not logging.getLogger().handlers:
    logging.basicConfig(level=logging.INFO)

# Вариант 3: Очистка root handlers
root = logging.getLogger()
root.handlers.clear()
logging.basicConfig(level=logging.INFO)

# Вариант 4: Использовать dictConfig
import logging.config
logging.config.dictConfig({...})

12.4. Extra поля не выводятся

□ 1. Проверить formatter
   - Formatter использует %(field_name)s?
   - JsonFormatter используется?

□ 2. Проверить передачу extra
   - logger.info("msg", extra={"field": value})?
   - Поля не конфликтуют с зарезервированными?

□ 3. Проверить запись в LogRecord
   - record.__dict__ содержит extra поля?

Решение:

# Вариант 1: Добавить поля в formatter
formatter = logging.Formatter(
    '%(levelname)s - %(message)s - user_id=%(user_id)s'
)

# Вариант 2: Использовать JsonFormatter
from pythonjsonlogger import jsonlogger
formatter = jsonlogger.JsonFormatter()

# Вариант 3: Кастомный formatter
class ExtraFormatter(logging.Formatter):
    def format(self, record):
        # Добавление extra полей автоматически
        for key, value in record.__dict__.items():
            if key not in ['name', 'msg', 'args', 'levelname',
                          'levelno', 'pathname', 'filename',
                          'module', 'lineno', 'funcName',
                          'created', 'msecs', 'relativeCreated',
                          'thread', 'threadName', 'processName',
                          'process', 'message', 'asctime']:
                record.__dict__[key] = value
        return super().format(record)

12.5. Логи замедляют приложение

□ 1. Проверить тип handler
   - FileHandler может быть медленным
   - Сетевые handlers (SocketHandler) блокируют?

□ 2. Проверить formatter
   - Сложный formatter замедляет?
   - Много полей в formatter?

□ 3. Проверить уровень логирования
   - DEBUG в production?
   - Много лишних логов?

□ 4. Проверить I/O
   - Диск медленный?
   - Сеть лагает?

Решение:

# Вариант 1: Использовать QueueHandler (асинхронно)
import logging.handlers
import queue

log_queue = queue.Queue()
queue_handler = logging.handlers.QueueHandler(log_queue)

# Быстрый handler для записи
file_handler = logging.FileHandler('app.log')
listener = logging.handlers.QueueListener(log_queue, file_handler)
listener.start()

logger.addHandler(queue_handler)

# Вариант 2: Увеличить уровень логирования
logger.setLevel(logging.WARNING)

# Вариант 3: Упростить formatter
formatter = logging.Formatter('%(levelname)s: %(message)s')

12.6. Таблица быстрых решений

Проблема	Причина	Решение
Логи не выводятся	Нет handlers	`logger.addHandler(StreamHandler())`
Логи не выводятся	Уровень слишком высокий	`logger.setLevel(DEBUG)`
Дублирование	Handler в logger + root	`logger.propagate = False`
Дублирование	Несколько одинаковых handlers	`logger.handlers.clear()`
basicConfig игнорируется	Вызывался раньше	`basicConfig(..., force=True)`
Extra поля не видны	Formatter не включает	Добавить `%(field)s` в format
JSON не парсится	Нет JsonFormatter	`pythonjsonlogger.jsonlogger.JsonFormatter()`
Тормозит логирование	Блокирующий I/O	`QueueHandler` + `QueueListener`
Утечка памяти	Handlers не закрываются	`handler.close()` после `removeHandler()`
Нет trace_id	Нет интеграции	OpenTelemetry + кастомный formatter

13. Антипаттерны и лучшие практики

13.1. Антипаттерны

❌ Логирование в цикле без необходимости

# Плохо
for item in large_list:
    logger.debug(f"Processing {item}")  # Тысячи логов

# Хорошо
if len(large_list) > 100:
    logger.debug(f"Processing batch of {len(large_list)} items")
else:
    for item in large_list:
        logger.debug(f"Processing {item}")

❌ Логирование чувствительных данных

# Плохо
logger.info(f"User login: {username}, password: {password}")
logger.debug(f"Request headers: {request.headers}")  # Может содержать токены

# Хорошо
logger.info(f"User login attempt: {username}")
logger.debug(f"Request headers: {sanitize_headers(request.headers)}")

def sanitize_headers(headers):
    safe = dict(headers)
    safe.pop('authorization', None)
    safe.pop('cookie', None)
    return safe

❌ Логирование исключений без traceback

# Плохо
try:
    process()
except Exception as e:
    logger.error(f"Error: {e}")  # Нет traceback!

# Хорошо
try:
    process()
except Exception:
    logger.exception("Error processing")  # Автоматически добавляет traceback

# Или
try:
    process()
except Exception as e:
    logger.error("Error processing", exc_info=True)

❌ Создание logger в каждом вызове

# Плохо
def process():
    logger = logging.getLogger(__name__)  # Создаётся каждый раз
    logger.info("Processing")

# Хорошо
logger = logging.getLogger(__name__)  # На уровне модуля

def process():
    logger.info("Processing")

❌ Использование print вместо logging

# Плохо
print("Debug: processing...")
print(f"Error: {error}")

# Хорошо
logger.debug("Processing...")
logger.error("Error: %s", error)

❌ Конкатенация строк в логах

# Плохо
logger.info("User " + username + " logged in with id " + str(user_id))

# Хорошо
logger.info("User %s logged in with id %d", username, user_id)

# Или с f-string (Python 3.6+)
logger.info(f"User {username} logged in with id {user_id}")

❌ Логирование без контекста

# Плохо
logger.error("Failed to process request")

# Хорошо
logger.error(
    "Failed to process request",
    extra={
        "request_id": request_id,
        "user_id": user_id,
        "endpoint": endpoint,
        "method": request.method,
    }
)

13.2. Лучшие практики крупных проектов

✅ Структура логирования в проекте

project/
├── logging_config/
│   ├── __init__.py
│   ├── formatters.py      # Кастомные formatter
│   ├── handlers.py        # Кастомные handlers
│   ├── filters.py         # Кастомные filters
│   └── conf.py           # Конфигурация
├── tests/
│   ├── conftest.py       # Fixtures для тестирования
│   └── test_logging.py   # Тесты логирования
└── main.py

✅ Централизованная конфигурация

# logging_config/__init__.py
import logging
import logging.config
from pathlib import Path
import yaml

def setup_logging(
    env: str = 'development',
    config_file: str = 'logging.yaml',
):
    """Централизованная настройка логирования."""
    config_path = Path(__file__).parent / config_file
    
    if config_path.exists():
        with open(config_path) as f:
            config = yaml.safe_load(f)
        
        # Переопределение для разных сред
        if env == 'production':
            config['loggers']['']['level'] = 'WARNING'
            config['handlers']['console']['level'] = 'WARNING'
        
        logging.config.dictConfig(config)
    else:
        # Fallback конфигурация
        logging.basicConfig(
            level=logging.INFO,
            format='%(asctime)s %(name)s %(levelname)s %(message)s'
        )

✅ Sampling для высоких нагрузок

import logging
import random

class SamplingFilter(logging.Filter):
    """Фильтр для sampling логов."""
    
    def __init__(self, rate=0.1):
        self.rate = rate
    
    def filter(self, record):
        return random.random() < self.rate

# Использование
logger = logging.getLogger('high_volume')
handler = logging.StreamHandler()
handler.addFilter(SamplingFilter(rate=0.01))  # 1% логов
logger.addHandler(handler)

✅ Rate limiting

import logging
from logging.handlers import RateLimiter

class RateLimitedFilter(logging.Filter):
    """Фильтр для rate limiting логов."""
    
    def __init__(self, max_records=10, interval=60):
        self.limiter = RateLimiter(max_records, interval)
    
    def filter(self, record):
        return self.limiter.try_acquire()

# Использование
logger = logging.getLogger('api')
handler = logging.StreamHandler()
handler.addFilter(RateLimitedFilter(max_records=100, interval=60))
logger.addHandler(handler)

✅ Health check через логирование

import logging
import time
from functools import wraps

logger = logging.getLogger('health')

def log_execution_time(level=logging.INFO):
    """Decorator для логирования времени выполнения."""
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            start = time.perf_counter()
            try:
                result = func(*args, **kwargs)
                logger.log(
                    level,
                    f"{func.__name__} completed in {time.perf_counter() - start:.4f}s"
                )
                return result
            except Exception:
                logger.exception(
                    f"{func.__name__} failed after {time.perf_counter() - start:.4f}s"
                )
                raise
        return wrapper
    return decorator

# Использование
@log_execution_time()
def process_data():
    # ... обработка
    pass

14. Утилиты и инструменты для анализа логов

14.1. CLI утилиты

lnav (Log File Navigator)

# Установка
brew install lnav  # macOS
apt install lnav   # Ubuntu

# Использование
lnav /var/log/*.log
lnav app.log

# Функции:
# - Подсветка синтаксиса
# - Автоматическое определение формата
# - SQL запросы к логам
# - Объединение нескольких файлов

jq для JSON логов

# Фильтрация
cat app.log | jq 'select(.level == "ERROR")'

# Поиск по полю
cat app.log | jq 'select(.user_id == 123)'

# Агрегация
cat app.log | jq -s 'group_by(.level) | map({level: .[0].level, count: length})'

# Извлечение полей
cat app.log | jq '{timestamp, level, message}'

grep, awk, sed

# Поиск ошибок с контекстом
grep -A 5 -B 5 "ERROR" app.log

# Подсчёт ошибок по времени
grep "ERROR" app.log | cut -d' ' -f1 | sort | uniq -c

# Извлечение JSON полей через awk
awk -F'"' '/ERROR/ {print $4}' app.log

14.2. Python библиотеки для анализа

loguru для упрощённого логирования

from loguru import logger

# Автоматическая настройка
logger.info("No configuration needed!")

# Встроенная ротация
logger.add("file_{time}.log", rotation="500 MB")

# Встроенный traceback
logger.opt(exception=True).info("Error occurred")

# Контекстные поля
logger.bind(user_id=123).info("User action")

rich для красивых логов

from rich.logging import RichHandler
import logging

logging.basicConfig(
    level=logging.INFO,
    handlers=[RichHandler(rich_tracebacks=True, markup=True)]
)

logger = logging.getLogger(__name__)
logger.info("Красивые логи с подсветкой!")

colorlog для цветного вывода

import colorlog

handler = colorlog.ColoredHandler(
    fmt='%(log_color)s%(levelname)-8s%(reset)s %(message)s',
    log_colors={
        'DEBUG': 'cyan',
        'INFO': 'green',
        'WARNING': 'yellow',
        'ERROR': 'red',
        'CRITICAL': 'bold_red',
    }
)

14.3. Мониторинг и алертинг

Prometheus + Grafana

from prometheus_client import Counter, Histogram

# Метрики для логов
log_errors = Counter('log_errors_total', 'Total log errors', ['level'])
log_duration = Histogram('log_duration_seconds', 'Log duration')

# Подсчёт ошибок
log_errors.labels(level='ERROR').inc()

# В PrometheusQL
# rate(log_errors_total[5m]) > 10  # Алерт при > 10 ошибок/сек

Sentry для error tracking

import sentry_sdk
import logging

sentry_sdk.init(
    dsn="your-sentry-dsn",
    integrations=[
        sentry_sdk.integrations.logging.LoggingIntegration(
            level=logging.INFO,        # Capture info and above as breadcrumbs
            event_level=logging.ERROR  # Send errors as events
        )
    ]
)

14.4. Тестовые утилиты

pytest-logging плагин

pip install pytest-logging

# conftest.py
import pytest

@pytest.fixture
def assert_logs():
    """Утилита для assertions на логи."""
    class LogAssert:
        def __init__(self, caplog):
            self.caplog = caplog
        
        def contains(self, message, level=None):
            for record in self.caplog.records:
                if message in record.getMessage():
                    if level is None or record.levelno == level:
                        return True
            return False
        
        def count(self, message=None, level=None):
            count = 0
            for record in self.caplog.records:
                if message and message not in record.getMessage():
                    continue
                if level and record.levelno != level:
                    continue
                count += 1
            return count
    
    return lambda caplog: LogAssert(caplog)

# Тест
def test_logging(assert_logs, caplog):
    assert_logs = assert_logs(caplog)
    
    logger.info("Test message")
    
    assert assert_logs.contains("Test message")
    assert assert_logs.count(level=logging.INFO) == 1

Резюме

Основные инструменты тестирования

Инструмент	Назначение	Когда использовать
caplog	Перехват логов в тестах	Простые unit тесты
MagicMock	Mock handlers	Сложные сценарии
StringIO	Перехват stdout/stderr	Тестирование formatter
QueueListener	Async логирование	Performance тесты
pytest-structlog	Тестирование structlog	При использовании structlog
pydantic	Валидация JSON схемы	Структурированные логи

Диагностика проблем

Проблема	Быстрое решение
Логи не выводятся	Проверить `getEffectiveLevel()` и handlers
Дублирование	`logger.propagate = False`
basicConfig игнорируется	`basicConfig(..., force=True)`
Extra поля не видны	Добавить в formatter
Тормозит	Использовать `QueueHandler`

Production checklist

Best practices

Изоляция тестов — очищать handlers между тестами
Параметризация — тестировать на разных уровнях логирования
Валидация схемы — проверять структуру JSON логов
Performance тесты — бенчмарк overhead логирования
Контекст — добавлять request_id, user_id в логи
Безопасность — не логировать пароли, токены
Traceback — использовать logger.exception() для ошибок
Уровни — использовать appropriate уровни (DEBUG, INFO, WARNING, ERROR)