为 python 应用在 Sentry 上启用 auto_log_stacks
Enabling auto_log_stacks on Sentry for python app
根据这里的 Sentry 文档：https://docs.getsentry.com/on-premise/clients/python/integrations/logging/
在 usage head 下，他们建议不要使用 auto_log_stacks=true 但没有说明为什么他们不推荐这个。有谁知道在现场使用这个选项有什么问题吗？
在某些情况下，inspect.stack()（Sentry 用于获取调用堆栈的功能）可能不准确。
例如，如果您正在使用日志记录处理程序集成，这是调用 captureMessage 的最常见方式，则调用 emit() 的点可能有不同来自原始调用的堆栈跟踪。这不是很常见，但它在很大程度上取决于日志堆栈的使用方式。
此外，对 inspect.stack() 的调用也不是免费的。性能成本并不可观，但值得注意。
我们（哨兵）反对这种功能的主要原因是通常不需要 captureMessage。它主要用于日志记录，而 Sentry 并不旨在聚合日志。唯一真正支持的情况是 log.warning()，我们认为这是可行的，但也不例外。
根据这里的 Sentry 文档：https://docs.getsentry.com/on-premise/clients/python/integrations/logging/
在 usage head 下，他们建议不要使用 auto_log_stacks=true 但没有说明为什么他们不推荐这个。有谁知道在现场使用这个选项有什么问题吗？
在某些情况下，inspect.stack()（Sentry 用于获取调用堆栈的功能）可能不准确。
例如，如果您正在使用日志记录处理程序集成，这是调用 captureMessage 的最常见方式，则调用 emit() 的点可能有不同来自原始调用的堆栈跟踪。这不是很常见，但它在很大程度上取决于日志堆栈的使用方式。
此外，对 inspect.stack() 的调用也不是免费的。性能成本并不可观，但值得注意。
我们（哨兵）反对这种功能的主要原因是通常不需要 captureMessage。它主要用于日志记录，而 Sentry 并不旨在聚合日志。唯一真正支持的情况是 log.warning()，我们认为这是可行的，但也不例外。