如何配置Loguru避免低级别日志语句的执行？

我需要在开发与生产环境使用不同日志级别，程序初期设置了日志最低级别，代码如下：

import sys
from loguru import logger as log
log.remove() #移除旧处理器，否则新旧处理器会同时生效
log.add(sys.stdout, level="INFO") 

log.debug(f"Spark.Dataframe.count(): {df.count()}") #此行为关注点

log.info("info message")
log.warning("warning message")
log.error("error message") 

当日志仅为字符串时资源消耗低，但所有日志语句都会执行，仅符合级别要求的才会输出。其中log.debug(df.count())中的df.count()是Spark DataFrame行数统计，在生产环境处理大数据集时属于昂贵操作，我不希望每次运行都执行该语句。

请问如何配置Loguru，让指定日志语句仅在日志级别符合设置时才执行？是否必须通过全代码添加if条件判断来控制？Loguru是否支持通过级别设置避免日志消息内容的执行，同时保持日志代码的简洁性？设置INFO级别后，我期望避免log.debug(昂贵操作)的执行时间，而非执行后再被过滤。

解决方案 #

不需要全量添加if条件判断，Loguru提供了简洁的惰性求值方式来解决这个问题：

1. 使用Lambda表达式实现惰性求值 #

将昂贵操作包裹在lambda表达式中传递给日志方法，Loguru会仅在当前日志级别满足该语句的级别要求时，才执行lambda内的代码。修改后的代码如下：

log.debug(lambda: f"Spark.Dataframe.count(): {df.count()}")

当日志级别设置为INFO时，这条debug级别的日志不会被触发，lambda表达式不会被调用，df.count()也就不会执行，完全避免了昂贵操作的资源消耗。

2. 手动级别判断（可选） #

如果偏好更直观的条件判断方式，也可以直接检查当前日志的最低级别，但这种方式代码量稍多，且需要访问Loguru内部属性，不如lambda方式优雅：

if log.level("DEBUG").no() <= log._core.min_level:
    log.debug(f"Spark.Dataframe.count(): {df.count()}")

总结 #

Loguru支持通过惰性求值机制避免低级别日志中昂贵操作的执行，使用lambda表达式就能保持代码简洁，无需全量添加if判断，完美实现“级别不满足时不执行日志内容”的需求。

内容的提问来源于stack exchange，提问作者Cristian C. Bittel