Logging
print escribe en la salida estándar y desaparece. Un registro es un evento con nivel, momento, origen y contexto, que se puede filtrar, agregar y consultar. La diferencia se nota el día que hay un incidente y no hay nada que leer.
En una línea
Sección titulada «En una línea»Un log es una estructura de datos; print es una línea de texto que se pierde.
El coste de registrar mal
Sección titulada «El coste de registrar mal»| Forma | Coste |
|---|---|
log.debug(f"valor {x}") |
169 ns |
log.debug("valor %s", x) |
114 ns |
python mediciones/07-01-05-produccion.py
La diferencia del 48 % viene de que la f-string se evalúa siempre, aunque el mensaje no se emita; el formato perezoso sólo se aplica si el registro pasa el filtro.
Con un entero la f-string es barata. Con f"{objeto!r}" sobre una estructura de mil filas, construir el mensaje puede costar milisegundos, y se paga en cada llamada descartada. En un bucle cerrado, eso es un programa lento sin síntoma aparente.
La regla: dentro de un log.debug, nunca f-strings.
La configuración
Sección titulada «La configuración»import logging
logging.basicConfig( level=logging.INFO, format="%(asctime)s %(levelname)s %(name)s %(message)s",)logger = logging.getLogger(__name__)getLogger(__name__) da un logger por módulo, con nombre jerárquico: mi_paquete.servicios hereda la configuración de mi_paquete. Eso permite subir el nivel de un subsistema sin tocar el resto.
En una biblioteca, basicConfig no se llama: se añade un NullHandler y se deja la configuración a la aplicación. Una librería que configura el logging global secuestra el de quien la usa.
Estructurado: una línea, un objeto
Sección titulada «Estructurado: una línea, un objeto»import json, logging
class JSONFormatter(logging.Formatter): def format(self, record): return json.dumps({ "ts": self.formatTime(record), "nivel": record.levelname, "mensaje": record.getMessage(), "logger": record.name, "peticion": getattr(record, "peticion", None), "exc": self.formatException(record.exc_info) if record.exc_info else None, }, ensure_ascii=False)
log = logging.getLogger("demo")h = logging.StreamHandler(); h.setFormatter(JSONFormatter())log.addHandler(h)try: 1 / 0except ZeroDivisionError: log.exception("fallo", extra={"peticion": "abc"})log.exception dentro del except rellena exc_info, y "exc" lleva la traza completa, con los saltos de línea escapados como \n dentro del JSON: sigue siendo una línea por evento. Salida real (3.13.7; la ruta del archivo se abrevia):
{"ts": "2026-11-17 14:36:30,162", "nivel": "ERROR", "mensaje": "fallo", "logger": "demo", "peticion": "abc", "exc": "Traceback (most recent call last):\n File \"demo.py\", line 18, in <module>\n 1 / 0\n ~~^~~\nZeroDivisionError: division by zero"}Un log en texto se lee con grep; uno en JSON se consulta: «todas las peticiones con peticion=abc», «el percentil 99 de duración por endpoint». La diferencia entre depurar a mano y tener métricas.
El contexto —identificador de petición, usuario, traza— se pasa con extra o con un LoggerAdapter, no concatenando en el mensaje.
Niveles, con criterio
Sección titulada «Niveles, con criterio»| Nivel | Cuándo |
|---|---|
DEBUG |
Detalle de desarrollo, nunca en producción por defecto |
INFO |
Eventos de negocio: pedido creado, tarea terminada |
WARNING |
Algo raro que no impide seguir |
ERROR |
Una operación falló y alguien debe mirar |
CRITICAL |
El servicio no puede continuar |
El error más común es usar INFO para todo y ERROR para nada. Una regla práctica: si un ERROR no despierta a nadie, no es un error; es un WARNING.
La trampa
Sección titulada «La trampa»Cuándo no registrar
Sección titulada «Cuándo no registrar»- En bucles de millones de iteraciones. Ni en
DEBUG: el filtro es barato, pero el formateo de argumentos no siempre. - Datos que ya son métricas. Contar peticiones se hace con un contador, no con una línea de log por petición.
- En bibliotecas, salvo con
NullHandler.
Ejercicio
Sección titulada «Ejercicio»Un servicio registra log.info("procesado") por cada uno de los 50 000 elementos de un lote. El volumen de logs se dispara y el coste de almacenamiento también. Propón tres cambios y di cuál de ellos reduce más.
Solución
- Registrar por lote, no por elemento: un
INFOal final con el recuento, el tiempo y los errores. Reduce el volumen de 50 000 líneas a una, y conserva la información que importa. Es el cambio que más reduce. - Bajar a
DEBUGel detalle por elemento, para que sólo aparezca cuando se investiga. Reduce el coste sin perder la posibilidad de depurar. - Añadir muestreo en el detalle (
1 de cada 100), si se necesita ver progreso.
El primero gana porque ataca la causa: el evento de negocio es «el lote se procesó», no «se procesó un elemento». Los otros dos mitigan el síntoma.
El detalle que suele faltar: si el lote falla a mitad, conviene un WARNING con el número de elemento donde falló. Ese sí es un evento único y accionable.
Referencias
Sección titulada «Referencias»- Ramalho, L. Fluent Python, 2ª ed. Capítulo 8.
- Lott, S. F. Modern Python Cookbook, 3ª ed. Capítulo 13.
- Mediciones:
mediciones/07-01-05-produccion.py.
Capítulos relacionados
Sección titulada «Capítulos relacionados»- 05 · Errores: qué se registra y con qué nivel.
- 10 · Depuración: cuando el log no basta.
- 02 · Configuración: el nivel como parámetro del entorno.