Python 日志记录与写入文件
Python logging vs. write to file
哪个效率更高？与使用 logger.info() 相比，使用 open() -> write() -> close() 有缺点吗？
PS。我们正在为一所大学积累查询日志，因此它有可能很快成为大数据（考虑到每天查询日志的最小-最大上限为 3GB-9GB，并且它将 运行 24/7 不断地持续一段时间寿命）。如果您能非常详细地解释和区分时间效率和容易出错的方面，我们将不胜感激。
使用更准确地描述您要执行的操作的方法。你在做日志条目吗？使用 logger.*。如果（且仅当！）成为性能问题，则更改它。在那之前，这是一种您不知道是否需要的优化。
logging的优势：
- 它是语义化的。当您看到
logging.info(...) 时，您就知道您正在编写日志消息。
- 这是惯用语。这就是您编写 Python 日志的方式。
- 效率很高。可能不是 非常 高效，但它的使用如此彻底以至于它有很多不错的优化（比如 not 运行 日志消息上的字符串插值不会因为日志级别而发出，等）。
logging 的缺点：
- 它没有发明您自己的解决方案那么有趣（它总是会变成一个功能不佳、测试不佳、效率较低的
logging 版本）。
在您知道它不够高效之前，我强烈建议您使用它。同样，如果数据证明它不够用，您以后可以随时更换它。
除非您遇到内置功能的问题，否则最好使用内置工具。
所以，使用内置的日志记录功能。它经过验证、测试并且 非常灵活 - 这是 open() -> f.write() -> close() 无法实现的。
哪个效率更高？与使用 logger.info() 相比，使用 open() -> write() -> close() 有缺点吗？
PS。我们正在为一所大学积累查询日志，因此它有可能很快成为大数据（考虑到每天查询日志的最小-最大上限为 3GB-9GB，并且它将 运行 24/7 不断地持续一段时间寿命）。如果您能非常详细地解释和区分时间效率和容易出错的方面，我们将不胜感激。
使用更准确地描述您要执行的操作的方法。你在做日志条目吗？使用 logger.*。如果（且仅当！）成为性能问题，则更改它。在那之前，这是一种您不知道是否需要的优化。
logging的优势：
- 它是语义化的。当您看到
logging.info(...)时，您就知道您正在编写日志消息。 - 这是惯用语。这就是您编写 Python 日志的方式。
- 效率很高。可能不是 非常 高效，但它的使用如此彻底以至于它有很多不错的优化（比如 not 运行 日志消息上的字符串插值不会因为日志级别而发出，等）。
logging 的缺点：
- 它没有发明您自己的解决方案那么有趣（它总是会变成一个功能不佳、测试不佳、效率较低的
logging版本）。
在您知道它不够高效之前，我强烈建议您使用它。同样，如果数据证明它不够用，您以后可以随时更换它。
除非您遇到内置功能的问题，否则最好使用内置工具。
所以，使用内置的日志记录功能。它经过验证、测试并且 非常灵活 - 这是 open() -> f.write() -> close() 无法实现的。