Logging en Python: Recetas para la Observabilidad

🐍 Logging en Python para Producción

Cuando tu app Python llega a producción, se convierte en una caja negra. Sin logs bien estructurados, depurar es casi imposible. Esta guía explica cómo construir un sistema de logging robusto con el módulo nativo de Python.

🔑 Conceptos clave:

• 🌳 Loggers jerárquicos — Usar logging.getLogger(__name__) para respetar el árbol de namespaces y no mezclar logs de terceros
• 📊 Niveles de log — DEBUG, INFO, WARNING, ERROR, CRITICAL para controlar señal/ruido y costo operativo
• 📤 Handlers — StreamHandler para Docker/K8s, FileHandler con rotación, QueueHandler para logging asíncrono
• 🗃️ Formatters JSON — Con python-json-logger, logs consultables e ingestables en plataformas de observabilidad
• 🔍 Filters — Suprime logs de ruido (health checks) o enriquece registros con request IDs y trace IDs
• ⚙️ dictConfig con YAML — Configuración centralizada y declarativa, fácil de cambiar entre entornos

💡 Explicación en pocas palabras

Los logs son el “diario de a bordo” de tu aplicación en producción. En lugar de usar print(), Python tiene un sistema profesional que permite controlar qué se registra, en qué formato y dónde se envía. Con JSON y YAML, los logs se convierten en una herramienta de diagnóstico real. ¡Ideal para pasar del desarrollo a la producción profesional!

Más información en el link 👇

Python Logging Module: A Complete Guide · Dash0

Build productiongrade Python logging with structured JSON automatic context propagation and requestlevel correlation across services

www.dash0.com ↗