Comment dois-je me connecter en utilisant multiprocessing en Python?
en ce moment j'ai un module central dans un framework qui génère plusieurs processus en utilisant le module de python 2.6 multiprocessing
module . Parce qu'il utilise multiprocessing
, il y a un journal multiprocessing-aware au niveau du module, LOG = multiprocessing.get_logger()
. Par le docs , ce logger a des verrous de processus partagés de sorte que vous ne gargouillez pas les choses dans sys.stderr
(ou n'importe quel filehandle) en ayant plusieurs processus lui écrivant simultanément.
Le problème que j'ai maintenant est que les autres modules du cadre ne sont pas multiprocesseurs-conscients. De la façon dont je le vois, je dois faire en sorte que toutes les dépendances de ce module central utilisent la journalisation multiprocessing-aware. C'est ennuyeux dans le cadre, encore moins pour tous les clients du cadre. Existe-il des solutions de rechange je ne pense pas?
19 réponses
La seule façon de traiter avec ce de manière non intrusive est:
- Spawn à chaque processus de travail de sorte que son journal va à un autre descripteur de fichier (à disque ou à la pipe. Idéalement, toutes les entrées de journal devraient être horodatées.
- votre processus de contrôleur peut alors faire un des suivants:
- si vous utilisez des fichiers disques: Coalesce les fichiers journaux à la fin de la course, triées par date
- Si l'aide de tuyaux (recommandé): Fusionner les entrées de journal à la volée à partir de tous les tuyaux, dans un fichier journal. (Par exemple, Périodiquement
select
à partir des descripteurs de fichiers des pipes, effectuer le tri par fusion sur les entrées de journal disponibles, et la chasse à Journal centralisé. Répéter.)
je viens d'écrire mon propre gestionnaire de rondins qui alimente tout le processus parent via un tuyau. Ça ne fait que dix minutes que je le teste, mais ça a l'air de bien marcher.
( Note: C'est codé en dur RotatingFileHandler
, ce qui est mon propre cas d'utilisation.)
mise à Jour: @javier maintenant maintient cette approche comme un paquet disponible sur Pypi - voir multitraitement d'enregistrement sur Pypi, github à https://github.com/jruere/multiprocessing-logging
Mise À Jour: La Mise En Œuvre!
cela utilise maintenant une file d'attente pour le traitement correct de la concurrence, et récupère également des erreurs correctement. Je l'utilise maintenant en production depuis plusieurs mois, et la version actuelle ci-dessous fonctionne sans problème.
from logging.handlers import RotatingFileHandler
import multiprocessing, threading, logging, sys, traceback
class MultiProcessingLog(logging.Handler):
def __init__(self, name, mode, maxsize, rotate):
logging.Handler.__init__(self)
self._handler = RotatingFileHandler(name, mode, maxsize, rotate)
self.queue = multiprocessing.Queue(-1)
t = threading.Thread(target=self.receive)
t.daemon = True
t.start()
def setFormatter(self, fmt):
logging.Handler.setFormatter(self, fmt)
self._handler.setFormatter(fmt)
def receive(self):
while True:
try:
record = self.queue.get()
self._handler.emit(record)
except (KeyboardInterrupt, SystemExit):
raise
except EOFError:
break
except:
traceback.print_exc(file=sys.stderr)
def send(self, s):
self.queue.put_nowait(s)
def _format_record(self, record):
# ensure that exc_info and args
# have been stringified. Removes any chance of
# unpickleable things inside and possibly reduces
# message size sent over the pipe
if record.args:
record.msg = record.msg % record.args
record.args = None
if record.exc_info:
dummy = self.format(record)
record.exc_info = None
return record
def emit(self, record):
try:
s = self._format_record(record)
self.send(s)
except (KeyboardInterrupt, SystemExit):
raise
except:
self.handleError(record)
def close(self):
self._handler.close()
logging.Handler.close(self)
encore une autre alternative pourrait être les divers gestionnaires de journalisation non basés sur des fichiers dans le logging
paquet :
-
SocketHandler
-
DatagramHandler
-
SyslogHandler
(et autres)
de cette façon, vous pourriez facilement avoir un démon de journalisation quelque part que vous pourriez écrire en toute sécurité et traiteriez les résultats correctement. (Par exemple, un simple serveur socket qui déballe le message et l'envoie à son propre gestionnaire de fichiers rotatif.)
le SyslogHandler
s'occuperait de ça pour vous aussi. Bien sûr, vous pouvez utiliser votre propre instance de syslog
, pas le système.
une variante des autres qui maintient le fil de journalisation et de file d'attente séparé.
"""sample code for logging in subprocesses using multiprocessing
* Little handler magic - The main process uses loggers and handlers as normal.
* Only a simple handler is needed in the subprocess that feeds the queue.
* Original logger name from subprocess is preserved when logged in main
process.
* As in the other implementations, a thread reads the queue and calls the
handlers. Except in this implementation, the thread is defined outside of a
handler, which makes the logger definitions simpler.
* Works with multiple handlers. If the logger in the main process defines
multiple handlers, they will all be fed records generated by the
subprocesses loggers.
tested with Python 2.5 and 2.6 on Linux and Windows
"""
import os
import sys
import time
import traceback
import multiprocessing, threading, logging, sys
DEFAULT_LEVEL = logging.DEBUG
formatter = logging.Formatter("%(levelname)s: %(asctime)s - %(name)s - %(process)s - %(message)s")
class SubProcessLogHandler(logging.Handler):
"""handler used by subprocesses
It simply puts items on a Queue for the main process to log.
"""
def __init__(self, queue):
logging.Handler.__init__(self)
self.queue = queue
def emit(self, record):
self.queue.put(record)
class LogQueueReader(threading.Thread):
"""thread to write subprocesses log records to main process log
This thread reads the records written by subprocesses and writes them to
the handlers defined in the main process's handlers.
"""
def __init__(self, queue):
threading.Thread.__init__(self)
self.queue = queue
self.daemon = True
def run(self):
"""read from the queue and write to the log handlers
The logging documentation says logging is thread safe, so there
shouldn't be contention between normal logging (from the main
process) and this thread.
Note that we're using the name of the original logger.
"""
# Thanks Mike for the error checking code.
while True:
try:
record = self.queue.get()
# get the logger for this record
logger = logging.getLogger(record.name)
logger.callHandlers(record)
except (KeyboardInterrupt, SystemExit):
raise
except EOFError:
break
except:
traceback.print_exc(file=sys.stderr)
class LoggingProcess(multiprocessing.Process):
def __init__(self, queue):
multiprocessing.Process.__init__(self)
self.queue = queue
def _setupLogger(self):
# create the logger to use.
logger = logging.getLogger('test.subprocess')
# The only handler desired is the SubProcessLogHandler. If any others
# exist, remove them. In this case, on Unix and Linux the StreamHandler
# will be inherited.
for handler in logger.handlers:
# just a check for my sanity
assert not isinstance(handler, SubProcessLogHandler)
logger.removeHandler(handler)
# add the handler
handler = SubProcessLogHandler(self.queue)
handler.setFormatter(formatter)
logger.addHandler(handler)
# On Windows, the level will not be inherited. Also, we could just
# set the level to log everything here and filter it in the main
# process handlers. For now, just set it from the global default.
logger.setLevel(DEFAULT_LEVEL)
self.logger = logger
def run(self):
self._setupLogger()
logger = self.logger
# and here goes the logging
p = multiprocessing.current_process()
logger.info('hello from process %s with pid %s' % (p.name, p.pid))
if __name__ == '__main__':
# queue used by the subprocess loggers
queue = multiprocessing.Queue()
# Just a normal logger
logger = logging.getLogger('test')
handler = logging.StreamHandler()
handler.setFormatter(formatter)
logger.addHandler(handler)
logger.setLevel(DEFAULT_LEVEL)
logger.info('hello from the main process')
# This thread will read from the subprocesses and write to the main log's
# handlers.
log_queue_reader = LogQueueReader(queue)
log_queue_reader.start()
# create the processes.
for i in range(10):
p = LoggingProcess(queue)
p.start()
# The way I read the multiprocessing warning about Queue, joining a
# process before it has finished feeding the Queue can cause a deadlock.
# Also, Queue.empty() is not realiable, so just make sure all processes
# are finished.
# active_children joins subprocesses when they're finished.
while multiprocessing.active_children():
time.sleep(.1)
le python logging cookbook a deux exemples complets ici: https://docs.python.org/3/howto/logging-cookbook.html#logging-to-a-single-file-from-multiple-processes
il utilise QueueHandler
, qui est nouveau en python 3.2 mais facile à copier dans votre propre code (comme je l'ai fait moi-même en python 2.7) à partir de: https://gist.github.com/vsajip/591589
chaque processus met son logging sur le Queue
, et puis un fil ou un processus listener
(un exemple est fourni pour chacun) ramasse ceux - ci et les écrit tous dans un fichier-aucun risque de corruption ou de brouillage.
toutes les solutions actuelles sont trop couplées à la configuration de journalisation en utilisant un handler. Ma solution a l'architecture et les caractéristiques suivantes:
- vous pouvez utiliser n'importe quelle configuration de journalisation que vous voulez
- enregistrement se fait dans un fil de démon
- arrêt Sûr du démon à l'aide d'un gestionnaire de contexte
- la Communication avec le fil de journalisation se fait par
multiprocessing.Queue
- dans les sous-processus,
logging.Logger
(et les instances déjà définies) sont patchés pour envoyer tous enregistrements à la file d'attente - Nouveau : format traceback et message avant l'envoi à la file d'attente pour prévenir les erreurs de décapage
le Code avec l'exemple d'utilisation et la sortie peut être trouvé à la Gist suivante: https://gist.github.com/schlamar/7003737
ci-dessous est une autre solution avec un accent sur la simplicité pour tous les autres (comme moi) qui arrivent ici de Google. La journalisation devrait être facile! Uniquement pour les 3.2 ou supérieur.
import multiprocessing
import logging
from logging.handlers import QueueHandler, QueueListener
import time
import random
def f(i):
time.sleep(random.uniform(.01, .05))
logging.info('function called with {} in worker thread.'.format(i))
time.sleep(random.uniform(.01, .05))
return i
def worker_init(q):
# all records from worker processes go to qh and then into q
qh = QueueHandler(q)
logger = logging.getLogger()
logger.setLevel(logging.DEBUG)
logger.addHandler(qh)
def logger_init():
q = multiprocessing.Queue()
# this is the handler for all log records
handler = logging.StreamHandler()
handler.setFormatter(logging.Formatter("%(levelname)s: %(asctime)s - %(process)s - %(message)s"))
# ql gets records from the queue and sends them to the handler
ql = QueueListener(q, handler)
ql.start()
logger = logging.getLogger()
logger.setLevel(logging.DEBUG)
# add the handler to the logger so records from this process are handled
logger.addHandler(handler)
return ql, q
def main():
q_listener, q = logger_init()
logging.info('hello from main thread')
pool = multiprocessing.Pool(4, worker_init, [q])
for result in pool.map(f, range(10)):
pass
pool.close()
pool.join()
q_listener.stop()
if __name__ == '__main__':
main()
j'aime aussi la réponse de zzzeek mais Andre a raison qu'une file d'attente est nécessaire pour empêcher les grincements. J'ai eu un peu de chance avec le tuyau, mais j'ai vu des grincements qui sont quelque peu attendus. L'implémenter s'est avéré être plus difficile que je ne le pensais, notamment en raison de l'exécution sur Windows, où il y a quelques restrictions supplémentaires sur les variables globales et autres choses (voir: comment Python Multiprocessing est-il implémenté sur Windows? )
mais, je l'ai finalement eu travailler. Cet exemple n'est probablement pas parfait, donc les commentaires et suggestions sont les bienvenus. Il ne supporte pas non plus de définir le formatteur ou autre chose que le logger racine. Fondamentalement, vous devez réinitialiser le logger dans chacun des processus de pool avec la file d'attente et configurer les autres attributs sur le logger.
encore une fois, toute suggestion sur la façon d'améliorer le code est la bienvenue. Certes, je ne connais pas toutes les Python trucs encore :-)
import multiprocessing, logging, sys, re, os, StringIO, threading, time, Queue
class MultiProcessingLogHandler(logging.Handler):
def __init__(self, handler, queue, child=False):
logging.Handler.__init__(self)
self._handler = handler
self.queue = queue
# we only want one of the loggers to be pulling from the queue.
# If there is a way to do this without needing to be passed this
# information, that would be great!
if child == False:
self.shutdown = False
self.polltime = 1
t = threading.Thread(target=self.receive)
t.daemon = True
t.start()
def setFormatter(self, fmt):
logging.Handler.setFormatter(self, fmt)
self._handler.setFormatter(fmt)
def receive(self):
#print "receive on"
while (self.shutdown == False) or (self.queue.empty() == False):
# so we block for a short period of time so that we can
# check for the shutdown cases.
try:
record = self.queue.get(True, self.polltime)
self._handler.emit(record)
except Queue.Empty, e:
pass
def send(self, s):
# send just puts it in the queue for the server to retrieve
self.queue.put(s)
def _format_record(self, record):
ei = record.exc_info
if ei:
dummy = self.format(record) # just to get traceback text into record.exc_text
record.exc_info = None # to avoid Unpickleable error
return record
def emit(self, record):
try:
s = self._format_record(record)
self.send(s)
except (KeyboardInterrupt, SystemExit):
raise
except:
self.handleError(record)
def close(self):
time.sleep(self.polltime+1) # give some time for messages to enter the queue.
self.shutdown = True
time.sleep(self.polltime+1) # give some time for the server to time out and see the shutdown
def __del__(self):
self.close() # hopefully this aids in orderly shutdown when things are going poorly.
def f(x):
# just a logging command...
logging.critical('function number: ' + str(x))
# to make some calls take longer than others, so the output is "jumbled" as real MP programs are.
time.sleep(x % 3)
def initPool(queue, level):
"""
This causes the logging module to be initialized with the necessary info
in pool threads to work correctly.
"""
logging.getLogger('').addHandler(MultiProcessingLogHandler(logging.StreamHandler(), queue, child=True))
logging.getLogger('').setLevel(level)
if __name__ == '__main__':
stream = StringIO.StringIO()
logQueue = multiprocessing.Queue(100)
handler= MultiProcessingLogHandler(logging.StreamHandler(stream), logQueue)
logging.getLogger('').addHandler(handler)
logging.getLogger('').setLevel(logging.DEBUG)
logging.debug('starting main')
# when bulding the pool on a Windows machine we also have to init the logger in all the instances with the queue and the level of logging.
pool = multiprocessing.Pool(processes=10, initializer=initPool, initargs=[logQueue, logging.getLogger('').getEffectiveLevel()] ) # start worker processes
pool.map(f, range(0,50))
pool.close()
logging.debug('done')
logging.shutdown()
print "stream output is:"
print stream.getvalue()
puisque nous pouvons représenter la journalisation multiprocess comme beaucoup d'éditeurs et un abonné (auditeur), en utilisant ZeroMQ pour implémenter la messagerie PUB-SUB est en effet une option.
de plus, PyZMQ module, les fixations Python pour ZMQ, implémente PUBHandler , qui est un objet pour publier des messages de journalisation sur un zmq.PUB socket.
il y a une solution sur le web , pour la journalisation centralisée à partir de l'application distribuée en utilisant PyZMQ et PUBHandler, qui peut être facilement adopté pour travailler localement avec plusieurs processus de publication.
formatters = {
logging.DEBUG: logging.Formatter("[%(name)s] %(message)s"),
logging.INFO: logging.Formatter("[%(name)s] %(message)s"),
logging.WARN: logging.Formatter("[%(name)s] %(message)s"),
logging.ERROR: logging.Formatter("[%(name)s] %(message)s"),
logging.CRITICAL: logging.Formatter("[%(name)s] %(message)s")
}
# This one will be used by publishing processes
class PUBLogger:
def __init__(self, host, port=config.PUBSUB_LOGGER_PORT):
self._logger = logging.getLogger(__name__)
self._logger.setLevel(logging.DEBUG)
self.ctx = zmq.Context()
self.pub = self.ctx.socket(zmq.PUB)
self.pub.connect('tcp://{0}:{1}'.format(socket.gethostbyname(host), port))
self._handler = PUBHandler(self.pub)
self._handler.formatters = formatters
self._logger.addHandler(self._handler)
@property
def logger(self):
return self._logger
# This one will be used by listener process
class SUBLogger:
def __init__(self, ip, output_dir="", port=config.PUBSUB_LOGGER_PORT):
self.output_dir = output_dir
self._logger = logging.getLogger()
self._logger.setLevel(logging.DEBUG)
self.ctx = zmq.Context()
self._sub = self.ctx.socket(zmq.SUB)
self._sub.bind('tcp://*:{1}'.format(ip, port))
self._sub.setsockopt(zmq.SUBSCRIBE, "")
handler = handlers.RotatingFileHandler(os.path.join(output_dir, "client_debug.log"), "w", 100 * 1024 * 1024, 10)
handler.setLevel(logging.DEBUG)
formatter = logging.Formatter("%(asctime)s;%(levelname)s - %(message)s")
handler.setFormatter(formatter)
self._logger.addHandler(handler)
@property
def sub(self):
return self._sub
@property
def logger(self):
return self._logger
# And that's the way we actually run things:
# Listener process will forever listen on SUB socket for incoming messages
def run_sub_logger(ip, event):
sub_logger = SUBLogger(ip)
while not event.is_set():
try:
topic, message = sub_logger.sub.recv_multipart(flags=zmq.NOBLOCK)
log_msg = getattr(logging, topic.lower())
log_msg(message)
except zmq.ZMQError as zmq_error:
if zmq_error.errno == zmq.EAGAIN:
pass
# Publisher processes loggers should be initialized as follows:
class Publisher:
def __init__(self, stop_event, proc_id):
self.stop_event = stop_event
self.proc_id = proc_id
self._logger = pub_logger.PUBLogger('127.0.0.1').logger
def run(self):
self._logger.info("{0} - Sending message".format(proc_id))
def run_worker(event, proc_id):
worker = Publisher(event, proc_id)
worker.run()
# Starting subscriber process so we won't loose publisher's messages
sub_logger_process = Process(target=run_sub_logger,
args=('127.0.0.1'), stop_event,))
sub_logger_process.start()
#Starting publisher processes
for i in range(MAX_WORKERS_PER_CLIENT):
processes.append(Process(target=run_worker,
args=(stop_event, i,)))
for p in processes:
p.start()
juste de publier quelque part votre instance de l'enregistreur. de cette façon, les autres modules et clients peuvent utiliser votre API pour obtenir l'Enregistreur sans avoir à import multiprocessing
.
j'ai aimé la réponse de zzzeek. Je substituerais simplement le tuyau à une file d'attente car si plusieurs threads/processus utilisent la même extrémité de tuyau pour générer des messages de journalisation, ils seront Brouillés.
Que Diriez-vous de déléguer toute la journalisation à un autre processus qui lit toutes les entrées de journaux à partir d'une file d'attente?
LOG_QUEUE = multiprocessing.JoinableQueue()
class CentralLogger(multiprocessing.Process):
def __init__(self, queue):
multiprocessing.Process.__init__(self)
self.queue = queue
self.log = logger.getLogger('some_config')
self.log.info("Started Central Logging process")
def run(self):
while True:
log_level, message = self.queue.get()
if log_level is None:
self.log.info("Shutting down Central Logging process")
break
else:
self.log.log(log_level, message)
central_logger_process = CentralLogger(LOG_QUEUE)
central_logger_process.start()
partagez simplement LOG_QUEUE via n'importe lequel des mécanismes multiprocessus ou même l'héritage et tout va bien!
j'ai une solution similaire à ironhacker sauf que j'utilise la journalisation.exception dans certains de mes codes et j'ai trouvé que j'avais besoin de formater l'exception avant de la renvoyer au-dessus de la file d'attente puisque les tracebacks ne sont pas pickle'able:
class QueueHandler(logging.Handler):
def __init__(self, queue):
logging.Handler.__init__(self)
self.queue = queue
def emit(self, record):
if record.exc_info:
# can't pass exc_info across processes so just format now
record.exc_text = self.formatException(record.exc_info)
record.exc_info = None
self.queue.put(record)
def formatException(self, ei):
sio = cStringIO.StringIO()
traceback.print_exception(ei[0], ei[1], ei[2], None, sio)
s = sio.getvalue()
sio.close()
if s[-1] == "\n":
s = s[:-1]
return s
ci-dessous est une classe qui peut être utilisée dans L'environnement Windows, nécessite ActivePython. Vous pouvez également hériter pour d'autres exploitants forestiers (StreamHandler etc.)
class SyncronizedFileHandler(logging.FileHandler):
MUTEX_NAME = 'logging_mutex'
def __init__(self , *args , **kwargs):
self.mutex = win32event.CreateMutex(None , False , self.MUTEX_NAME)
return super(SyncronizedFileHandler , self ).__init__(*args , **kwargs)
def emit(self, *args , **kwargs):
try:
win32event.WaitForSingleObject(self.mutex , win32event.INFINITE)
ret = super(SyncronizedFileHandler , self ).emit(*args , **kwargs)
finally:
win32event.ReleaseMutex(self.mutex)
return ret
Et voici un exemple qui démontre l'usage:
import logging
import random , time , os , sys , datetime
from string import letters
import win32api , win32event
from multiprocessing import Pool
def f(i):
time.sleep(random.randint(0,10) * 0.1)
ch = random.choice(letters)
logging.info( ch * 30)
def init_logging():
'''
initilize the loggers
'''
formatter = logging.Formatter("%(levelname)s - %(process)d - %(asctime)s - %(filename)s - %(lineno)d - %(message)s")
logger = logging.getLogger()
logger.setLevel(logging.INFO)
file_handler = SyncronizedFileHandler(sys.argv[1])
file_handler.setLevel(logging.INFO)
file_handler.setFormatter(formatter)
logger.addHandler(file_handler)
#must be called in the parent and in every worker process
init_logging()
if __name__ == '__main__':
#multiprocessing stuff
pool = Pool(processes=10)
imap_result = pool.imap(f , range(30))
for i , _ in enumerate(imap_result):
pass
voici ma solution de contournement... pas la plus complète, mais facilement modifiable et plus simple à lire et à comprendre je pense que toutes les autres réponses que j'ai trouvées avant d'écrire ceci:
import logging
import multiprocessing
class FakeLogger(object):
def __init__(self, q):
self.q = q
def info(self, item):
self.q.put('INFO - {}'.format(item))
def debug(self, item):
self.q.put('DEBUG - {}'.format(item))
def critical(self, item):
self.q.put('CRITICAL - {}'.format(item))
def warning(self, item):
self.q.put('WARNING - {}'.format(item))
def some_other_func_that_gets_logger_and_logs(num):
# notice the name get's discarded
# of course you can easily add this to your FakeLogger class
local_logger = logging.getLogger('local')
local_logger.info('Hey I am logging this: {} and working on it to make this {}!'.format(num, num*2))
local_logger.debug('hmm, something may need debugging here')
return num*2
def func_to_parallelize(data_chunk):
# unpack our args
the_num, logger_q = data_chunk
# since we're now in a new process, let's monkeypatch the logging module
logging.getLogger = lambda name=None: FakeLogger(logger_q)
# now do the actual work that happens to log stuff too
new_num = some_other_func_that_gets_logger_and_logs(the_num)
return (the_num, new_num)
if __name__ == '__main__':
multiprocessing.freeze_support()
m = multiprocessing.Manager()
logger_q = m.Queue()
# we have to pass our data to be parallel-processed
# we also need to pass the Queue object so we can retrieve the logs
parallelable_data = [(1, logger_q), (2, logger_q)]
# set up a pool of processes so we can take advantage of multiple CPU cores
pool_size = multiprocessing.cpu_count() * 2
pool = multiprocessing.Pool(processes=pool_size, maxtasksperchild=4)
worker_output = pool.map(func_to_parallelize, parallelable_data)
pool.close() # no more tasks
pool.join() # wrap up current tasks
# get the contents of our FakeLogger object
while not logger_q.empty():
print logger_q.get()
print 'worker output contained: {}'.format(worker_output)
l'une des alternatives est d'écrire la journalisation mutliprocessing à un fichier connu et d'enregistrer un handler atexit
à joindre sur ces processus relisez-le sur stderr; cependant, vous n'obtiendrez pas un flux en temps réel aux messages de sortie sur stderr de cette façon.
si vous avez des blocages se produisant dans une combinaison de serrures, de fils et de fourches dans le module logging
, cela est rapporté dans rapport de bug 6721 (voir aussi related SO question ).
il y a une petite solution d'installation affichée ici .
cependant, cela ne fera que corriger les blocages potentiels dans logging
. Qui ne va pas s'arranger, que les choses sont peut-être déformé. Voir la d'autres réponses présentées ici.
il y a ce grand paquet
Colis: https://pypi.python.org/pypi/multiprocessing-logging /
Code: https://github.com/jruere/multiprocessing-logging
Installation:
pip install multiprocessing-logging
puis Ajouter:
import multiprocessing_logging
# This enables logs inside process
multiprocessing_logging.install_mp_handler()
À mes enfants qui rencontrent le même problème depuis des décennies, et trouve cette question sur ce site, je laisse cette réponse.
Simplicité vs de compliquer à l'excès. Juste utiliser d'autres outils. Python est génial, mais il n'a pas été conçu pour faire certaines choses.
l'extrait suivant pour logrotate le démon travaille pour moi et ne complique pas les choses. Programmez-le pour fonctionner toutes les heures et
/var/log/mylogfile.log {
size 1
copytruncate
create
rotate 10
missingok
postrotate
timeext=`date -d '1 hour ago' "+%Y-%m-%d_%H"`
mv /var/log/mylogfile.log.1 /var/log/mylogfile-$timeext.log
endscript
}
C'est comme ça que je installez - le (symlinks ne fonctionnent pas pour logrotate):
sudo cp /directpath/config/logrotate/myconfigname /etc/logrotate.d/myconfigname
sudo cp /etc/cron.daily/logrotate /etc/cron.hourly/logrotate