def logger_info(logger_name, log_path='default_logger.log'): log = logging.getLogger(logger_name) if log.hasHandlers(): print('LogHandlers exists!') else: print('LogHandlers setup!') level = logging.INFO formatter = logging.Formatter('%(asctime)s.%(msecs)03d : %(message)s', datefmt='%y-%m-%d %H:%M:%S') fh = logging.FileHandler(log_path, mode='a') fh.setFormatter(formatter) log.setLevel(level) log.addHandler(fh) # print(len(log.handlers)) sh = logging.StreamHandler() sh.setFormatter(formatter) log.addHandler(sh)

这段代码是一个用于设置日志记录的函数。它接受一个日志记录器名称和可选的日志文件路径作为参数。如果已经存在与给定名称相同的日志处理程序，函数将输出"LogHandlers exists!"，否则将设置新的日志处理程序。

函数首先创建一个日志记录器对象，并检查是否已经存在处理程序。如果存在，则输出"LogHandlers exists!"，表示日志已经设置过了。如果不存在处理程序，则创建一个新的处理程序，并设置其级别为INFO。接下来，创建一个文件处理程序（FileHandler）用于将日志记录到文件中，并设置格式化器（Formatter）以指定日志消息的格式。然后，将文件处理程序添加到日志记录器中。

接下来，创建一个流处理程序（StreamHandler）用于将日志消息输出到控制台，并设置相同的格式化器。最后，将流处理程序添加到日志记录器中。

这段代码中的注释部分可能是用于调试目的，它会输出日志处理程序的数量。

相关问题

优化代码： import logging class DAELogControl(): def __init__(self, path): self.path = path self.logger = logging.getLogger(__name__) self.consoleFormatter = logging.Formatter("[%(asctime)s] %(levelname)s (%(filename)s:%(lineno)d): %(message)30s...") # self.consoleFormatter = logging.Formatter("%(levelname)s [%(asctime)s] (%(filename)s:%(lineno)d): %(message)30s...") self.fileFormatter = logging.Formatter("[%(asctime)s] %(levelname)s (%(filename)s:%(lineno)d): %(message)s") # self.fileFormatter = logging.Formatter("%(levelname)s [%(asctime)s] (%(filename)s:%(lineno)d): %(message)s") self.logger.propagate = False self.logger.setLevel(logging.DEBUG) self.consoleHandler = logging.StreamHandler() self.consoleHandler.setFormatter(self.consoleFormatter) self.consoleHandler.setLevel(logging.INFO) self.logger.addHandler(self.consoleHandler) self.fileHandler = logging.FileHandler(self.path) self.fileHandler.setFormatter(self.fileFormatter) self.fileHandler.setLevel(logging.DEBUG) self.logger.addHandler(self.fileHandler) def dae_data_err(self, msg): self.logger.debug(msg, stacklevel=2) def dae_info(self, msg): self.logger.info(msg, stacklevel=2) def dae_error(self, msg): self.logger.error(msg, stacklevel=2)

可以通过以下几个方面来优化代码：

1. 代码格式化：对代码进行格式化，使其更具可读性，例如在类定义的左括号前添加空格，代码缩进等。

2. 使用默认参数：将默认参数添加到函数参数中，以避免重复代码。例如，将默认的日志格式添加到日志处理程序中。

3. 删除重复代码：删除重复代码，例如在日志处理程序中使用了相同的格式化器。

4. 使用更具描述性的命名：使用更具描述性的变量和函数名称可以使代码更易于理解和维护。

下面是优化后的代码：

import logging

class DAELogControl:
    def __init__(self, path):
        self.path = path
        self.logger = logging.getLogger(__name__)
        self.logger.propagate = False
        self.logger.setLevel(logging.DEBUG)

        self.consoleHandler = logging.StreamHandler()
        self.consoleHandler.setLevel(logging.INFO)
        self.consoleHandler.setFormatter(logging.Formatter("[%(asctime)s] %(levelname)s (%(filename)s:%(lineno)d): %(message)30s..."))
        self.logger.addHandler(self.consoleHandler)

        self.fileHandler = logging.FileHandler(self.path)
        self.fileHandler.setLevel(logging.DEBUG)
        self.fileHandler.setFormatter(logging.Formatter("[%(asctime)s] %(levelname)s (%(filename)s:%(lineno)d): %(message)s"))
        self.logger.addHandler(self.fileHandler)

    def dae_data_err(self, msg):
        self.logger.debug(msg, stacklevel=2)

    def dae_info(self, msg):
        self.logger.info(msg, stacklevel=2)

    def dae_error(self, msg):
        self.logger.error(msg, stacklevel=2)

通过这些优化，代码变得更加简洁和易于理解。

def __init__(self, glueContext: GlueContext, config: argparse.Namespace): """ init function. :param glueContext: the glueContext. the spark session can get from glueContext. :param config: Obtained by parsing from the Glue Job Input parameter list. """ self.config = config self.logger = logging.getLogger(self.config.table_full_name) self.logger.info(f'job init with params: {vars(self.config)}') self.glueContext = glueContext self.spark = glueContext.spark_session self.table_schema = Custom_Schema(self.spark).get_schema(self.config.source_file_schema) self.source_df_count = 0 self.destination_df_count = 0 self.load_date = datetime.now() self.logger.info(f'job load date: {self.load_date}') self.database_name, self.table_name = self.config.table_full_name.split('.') self.set_spark_configs()

这是一个Python类的初始化函数，它接受两个参数：glueContext和config。其中，glueContext是Glue的上下文，可以从中获取Spark会话，而config则是从Glue作业的输入参数列表中解析得到的命名空间。在初始化函数中，将这两个参数分别赋值给实例变量self.glueContext和self.config，并且设置了一些其他的实例变量，比如self.logger、self.spark、self.table_schema等。最后，调用了self.set_spark_configs()方法。可以看到，这个类是用来处理一些数据加载和转换的任务的，具体实现需要看其他方法的实现。