Python多进程日志管理方法
Python多进程环境下直接使用logging模块会导致日志丢失、乱序甚至崩溃,根本原因在于FileHandler等处理器并非进程安全,多个子进程并发写入同一文件会引发缓冲冲突、覆盖或“Bad file descriptor”错误;文章深入剖析了fork与spawn启动方式对日志继承行为的差异,并给出了两种可靠解法:一是让每个子进程独立初始化logger(如在worker函数中调用basicConfig或手动配置),彻底避免handler共享;二是采用官方推荐的QueueHandler+QueueListener方案,通过队列中转实现跨进程日志汇聚,既保证线程/进程安全,又完整保留时间戳、进程名等上下文信息——无论你是调试小脚本还是构建高并发服务,掌握这些技巧都能让你的日志真正可信、可追溯、不掉链子。

为什么 multiprocessing 中直接用 logging 会丢日志或乱序?
因为每个子进程会继承父进程的 logger 对象,但底层 handler(比如 FileHandler)不是进程安全的——多个进程同时写同一个文件,会导致缓冲区冲突、覆盖、截断,甚至 OSError:[Errno 9] Bad file descriptor。标准库的 logging 模块本身不保证跨进程写入安全。
推荐方案:每个子进程独立初始化 logger
避免共享 handler,让每个进程持有一个专属的 FileHandler 或转向进程安全的中转方式。最简单可靠的做法是:在子进程入口函数里调用 logging.basicConfig() 或手动配置 logger,确保 handler 不被复用。
- 不要在主进程配置好 logger 后直接传给子进程(
Process(target=..., args=(logger,))) - 子进程中禁用继承:调用
logging.getLogger().handlers.clear()再重新 addHandler - 若需统一日志文件,改用
QueueHandler + QueueListener(见下一条) - 注意
basicConfig()在子进程中首次调用才生效;重复调用无效
需要合并到单个文件?用 QueueHandler + QueueListener
这是官方推荐的跨进程日志方案:所有子进程把 log record 发到一个 multiprocessing.Queue,由主进程里的 QueueListener 统一消费并写入文件。它规避了并发写问题,也保留了时间戳和进程名等上下文。
- 必须在主进程创建
Queue和QueueListener,并在主进程启动 listener(.start()) - 子进程拿到
Queue实例后,用QueueHandler(queue)替换默认 handler - 主进程退出前要调用
listener.stop(),否则可能丢失最后几条日志 - 注意
Queue是阻塞的,如果 listener 崩溃或没运行,子进程会卡住
import logging from logging.handlers import QueueHandler, QueueListener from multiprocessing import Process, Queuedef worker(q): logger = logging.getLogger() logger.setLevel(logging.INFO) logger.addHandler(QueueHandler(q)) # 只发不写 logger.info("from worker %d", Process.pid)
if name == "main": q = Queue() handler = logging.FileHandler("app.log") listener = QueueListener(q, handler) listener.start()
p = Process(target=worker, args=(q,)) p.start() p.join() listener.stop() # 关键:必须显式 stop
调试时别忽略 spawn vs fork 的影响
Windows 默认用 spawn 启动子进程(重新导入主模块),而 Linux/macOS 默认 fork(内存拷贝)。这直接影响日志配置时机:
spawn下,子进程不会执行 if __name__ == "__main__": 块外的代码,所以 logger 初始化必须放在 worker 函数内fork下,子进程可能意外继承父进程已打开的FileHandler文件句柄,导致OSError: [Errno 9]- 统一做法:在 worker 开头加
logging.getLogger().handlers.clear(),再重建 handler
真正麻烦的是混合场景——比如用 concurrent.futures.ProcessPoolExecutor,底层可能切换启动方法,日志行为会悄悄变化。
文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Python多进程日志管理方法》文章吧,也可关注golang学习网公众号了解相关技术文章。
茶叶能放冰箱保存吗?绿茶红茶怎么存
- 上一篇
- 茶叶能放冰箱保存吗?绿茶红茶怎么存
- 下一篇
- CSS预处理器怎么高效管理样式
-
- 文章 · python教程 | 2天前 | 线程池 · Python 线程池 concurrent.futures 任务取消 Future.cancel
- Python concurrent.futures.Future.cancel 怎样判断任务能否取消
- 143浏览 收藏
-
- 文章 · python教程 | 2天前 | 标准库 · HTTP服务 · 多线程 · Python教程 · Python 并发请求 http.server ThreadingHTTPServer ThreadingMixIn BaseHTTPRequestHandler
- Python http.server ThreadingHTTPServer 怎样处理并发请求
- 481浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python tarfile.TarInfo.replace 怎样复制归档成员属性
- 308浏览 收藏
-
- 文章 · python教程 | 2天前 | 并发编程 · Python教程 · Python 多进程 multiprocessing forkserver 启动上下文
- Python multiprocessing forkserver 怎样处理进程启动上下文
- 232浏览 收藏
-
- 文章 · python教程 | 2天前 | 标准库 · 异步编程 · Python教程 · Python asyncio StreamReader readexactly IncompleteReadError 异步流
- Python asyncio.StreamReader.readexactly 怎样处理不足长度的输入
- 427浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python operator.length_hint 怎样为未知长度迭代器设置估计值
- 336浏览 收藏
-
- 文章 · python教程 | 2天前 | 标准库 · Python教程 · Python warnings catch_warnings simplefilter filterwarnings 警告过滤
- Python warnings context manager 怎样临时调整警告过滤
- 255浏览 收藏
-
- 文章 · python教程 | 2天前 | 调试 · python · 异步编程 · Python asyncio introspection current_task all_tasks
- Python asyncio introspection 怎样定位当前任务
- 120浏览 收藏
-
- 文章 · python教程 | 2天前 | 标准库 · Python教程 · Python 类型注解 Python 3.14 annotationlib get_annotations ForwardRef 延迟注解
- Python 3.14 annotationlib.get_annotations 怎样读取延迟注解
- 423浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python 3.14 跨解释器 Queue.put 的阻塞与 QueueFull 处理方案
- 157浏览 收藏
-
- 文章 · python教程 | 3天前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1176次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1161次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1344次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1285次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1144次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

