同步日志阻塞主线程：filehandler默认同步写入，每次log.info()触发完整磁盘i/o（格式化、加锁、写入、fsync），多线程下锁争抢与刷盘延迟叠加导致指数级性能退化。
因为同步写入会让主线程卡在磁盘 I/O 上，每条日志都得等文件系统返回才算完——这不是“慢”，是“阻塞”。
FileHandler 默认就是同步的
Python logging.FileHandler 底层调用的是 open() + write() + flush()，全程不加异步封装。只要没关掉 delay=False（默认值），每次 logger.info() 都会触发一次完整的磁盘写入流程。
- 即使你只写一行
"user_id=123"，也要经历：格式化字符串 → 获取锁 → 写缓冲区 → 刷盘（fsync）→ 释放锁 - 多线程共用同一个
FileHandler时，_lock会变成争抢热点，线程频繁挂起/唤醒 - SSD 上单次刷盘平均耗时 0.2ms，但 1000 条日志串行执行就是 200ms，足以让一个 HTTP 请求超时
format() 调用本身也吃 CPU
日志格式化不是“免费午餐”。%(asctime)s %(levelname)s %(message)s 这种模板每次都要解析、替换、拼接字符串，尤其 asctime 还要调用 time.strftime()。
Python 3.14.2
下载
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
- 高频场景下（比如每请求记 5 条日志），这部分开销可能占到单条日志总耗时的 30%～40%
- 如果用了
%(funcName)s或%(lineno)d，还得现场爬栈帧，更重 -
structlog之类结构化库能延迟格式化，但前提是不用FileHandler直接写——否则照样卡在 I/O
并发量一上去，锁和刷盘就互相放大
不是“锁导致慢”或“刷盘导致慢”，而是两者叠加后出现指数级退化。
- 10 个线程写同一个文件 → 平均每个线程要等其他 9 个中的某几个完成 fsync 才能抢到锁
- Linux 的
fsync()是阻塞系统调用，会把当前线程拖进不可中断睡眠（D 状态） - 一旦磁盘队列积压（比如后台有 backup 正在跑），
fsync()延迟可能从 0.2ms 涨到 20ms+，整个线程池就“粘住”了
真正要命的不是“写得慢”，是“所有依赖日志的路径都被拖住”——比如你在 Flask 的 @app.after_request 里记审计日志，那每个响应都得等磁盘点头才能发出去。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
