Python logging 日志重复打印排查:为什么一条记录输出了两遍
Python 项目里经常会遇到一个看起来很小、但很影响排查的问题:明明只调用了一次 logger.info(),终端或日志文件里却出现两条甚至更多相同记录。线上排查时,如果每条业务日志都重复打印,告警数量、日志费用和问题判断都会被放大。
这篇文章用一个最小复现,按“问题现场 -> 初步判断 -> 动手验证 -> 定位原因 -> 修复方案 -> 验证结果”的顺序,排查 logging 重复打印的常见原因。
- 问题现场:一条日志为什么出现两遍
- 初步判断:先看 logger 身上有几个 handler
- 动手验证:复现重复 addHandler 的问题
- 定位原因:basicConfig 和传播链一起生效
- 修复方案:集中初始化并阻止重复挂载
- 验证结果和排查清单
问题现场:一条日志为什么出现两遍
先看一个常见现象。业务代码只写了一句:
logger.info("order created")
终端里却输出了两次:
2026-06-27 22:30:01 INFO order created 2026-06-27 22:30:01 INFO order created

这种问题通常不是 info() 调用了两遍,而是同一条日志被多个输出器处理了。我们先不要改业务代码,先看 logging 配置。
初步判断:先看 logger 身上有几个 handler
logging 里真正负责输出的是 handler。一个 logger 可以挂多个 handler;子 logger 还可能把日志继续传给父 logger。只要链路里出现多个输出器,一条记录就可能打印多次。
可以先加一段临时检查代码:
import logging
logger = logging.getLogger("app.order")
print("logger handlers:", logger.handlers)
print("root handlers:", logging.getLogger().handlers)
print("propagate:", logger.propagate)
重点看三个结果:
logger.handlers是否越来越多。- root logger 是否已经有控制台输出器。
propagate是否为True,导致日志继续向上传播。
动手验证:复现重复 addHandler 的问题
下面这个例子会稳定复现重复输出。原因是每次调用 setup_logger() 都会重新挂一个 StreamHandler。
import logging
def setup_logger() -> logging.Logger:
logger = logging.getLogger("app.order")
logger.setLevel(logging.INFO)
handler = logging.StreamHandler()
formatter = logging.Formatter("%(asctime)s %(levelname)s %(message)s")
handler.setFormatter(formatter)
logger.addHandler(handler)
return logger
logger = setup_logger()
logger = setup_logger()
logger.info("order created")
运行后你会看到同一条日志输出两次。这里不是 info() 调用了两次,而是同一个 logger 上挂了两个控制台输出器。
定位原因:basicConfig 和传播链一起生效
还有一种常见情况:项目入口调用了 logging.basicConfig(),某个模块又给自己的 logger 加了 handler,同时 propagate 还是默认的 True。结果就是模块 logger 输出一次,父 logger 再输出一次。

import logging
logging.basicConfig(
level=logging.INFO,
format="%(asctime)s %(levelname)s %(message)s",
)
logger = logging.getLogger("app.order")
logger.setLevel(logging.INFO)
handler = logging.StreamHandler()
logger.addHandler(handler)
logger.info("order created")
这段代码的问题是输出路径重叠:root logger 已经能输出,app.order 又额外挂了一个输出器,并且还会继续向上传播。
修复方案:集中初始化并阻止重复挂载
修复思路有两个:日志配置集中初始化;每个 logger 挂 handler 前先判断是否已有 handler。下面是一个更稳的写法。
import logging
def get_app_logger(name: str) -> logging.Logger:
logger = logging.getLogger(name)
logger.setLevel(logging.INFO)
logger.propagate = False
if not logger.handlers:
handler = logging.StreamHandler()
formatter = logging.Formatter("%(asctime)s %(levelname)s %(message)s")
handler.setFormatter(formatter)
logger.addHandler(handler)
return logger
logger = get_app_logger("app.order")
logger = get_app_logger("app.order")
logger.info("order created")
这个版本做了两件事:
if not logger.handlers防止重复挂载输出器。logger.propagate = False防止记录继续交给父 logger 再输出一次。
如果团队已经规定所有日志都交给 root logger 统一处理,那就不要在业务模块里单独 addHandler。保持一种风格,比到处修补更稳定。
验证结果和排查清单
修复后重新运行,预期只输出一条:
2026-06-27 22:30:01 INFO order created
最后给一份排查清单:
- 同一个 logger 是否被多次调用初始化函数。
- 挂 handler 前是否判断过
logger.handlers。 - 是否同时使用了
basicConfig和业务模块自定义 handler。 - 子 logger 的
propagate是否符合预期。 - Web 框架或任务框架是否已经接管日志配置。
总结一下:Python logging 重复打印,通常不是业务代码重复运行,而是输出器重复挂载或传播链重叠。先看 handler 数量,再看 root 配置,最后检查 propagate,基本就能把问题定位清楚。
前端静态资源上云部署选型:对象存储、CDN 和容器服务怎么选
- 上一篇
- 前端静态资源上云部署选型:对象存储、CDN 和容器服务怎么选
- 下一篇
- Java 本地 TTL 缓存小项目:用 ConcurrentHashMap 实现过期淘汰和命中统计
-
- 文章 · python教程 | 4小时前 | Python教程 · Python 鸭子类型 typing.Protocol 结构子类型
- Python typing.Protocol 约束鸭子类型接口
- 246浏览 收藏
-
- 文章 · python教程 | 11小时前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 14小时前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 22小时前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 1天前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311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。
- 260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。
- 306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。
- 285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。
- 261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。
- 72次使用
-
- Go 错误链处理实战:用 errors.Is 和 errors.As 保留根因
- 2026-06-13 413浏览
-
- Go 泛型切片去重实战:comparable 约束和保序去重怎么写
- 2026-06-13 501浏览
-
- Go context 超时控制实战:从接口入口到 goroutine 回收的完整流程
- 2026-06-17 166浏览
-
- Go HTTP 服务超时怎么配:ReadHeaderTimeout、WriteTimeout 和 IdleTimeout 实战
- 2026-07-08 140浏览
-
- Go singleflight 怎么合并同一请求:缓存失效时别让 500 个请求一起回源
- 2026-07-17 109浏览
