部署后Python Azure Timer Trigger函数日志未在Azure Monitor显示

1. 修正代码分支逻辑 #

你的模型下载和日志记录代码被包裹在if mytimer.past_due:分支中，这意味着只有当定时器触发逾期时，这段代码才会执行。如果定时器是正常按时触发的，该分支不会进入，自然看不到模型相关日志。

调整代码，将模型处理逻辑移出逾期判断分支，确保每次触发都执行：

import datetime
import logging
import azure.functions as func
from azureml.core import Model

def main(mytimer: func.TimerRequest) -> None:
    utc_timestamp = datetime.datetime.utcnow().replace(
        tzinfo=datetime.timezone.utc).isoformat()

    # 移出逾期判断分支，确保每次触发都执行模型下载与日志记录
    keys = model_file.keys()
    logging.info("downloading the following models:")
    for key in keys:
        logging.info(f"Downloading model: {key}")  # 明确标注日志内容
        model_obj = Model(ws, key)
        model_path = model_obj.download(target_dir=downloaded_models_path)
        logging.info(f"Model {key} downloaded to path: {model_path}")  # 用logging替代print

    # 仅在定时器逾期时记录警告
    if mytimer.past_due:
        logging.warning("Timer trigger is past due!")

    logging.info(
        "download_ml_models timer trigger function ran at %s", utc_timestamp)

2. 替换print为logging #

Azure Functions中print()的输出不会自动同步到Azure Monitor，必须使用logging模块的方法（如logging.info()、logging.warning()）才能让日志被系统收集并展示。

3. 确认日志级别配置 #

检查函数应用的日志级别设置：

• 进入Azure门户的函数应用，转到配置 > 应用程序设置
• 查看AzureFunctionsJobHost__logging__logLevel__Default配置项，确保值为Information或更低级别（如Debug），这样logging.info()的日志才会被输出。

4. 验证诊断设置 #

确保函数应用已配置将日志发送到Azure Monitor：

• 转到函数应用的诊断设置
• 确认已启用发送到Log Analytics工作区，并且勾选了FunctionAppLogs类别

5. 在Azure Monitor中查询日志 #

在Log Analytics中查询AppTraces表查看函数日志，示例查询语句：

AppTraces
| where AppName == "你的函数应用名称"
| where Message contains "downloading the following models" or Message contains "Downloading model"
| order by TimeGenerated desc

内容的提问来源于stack exchange，提问作者Muhammad Pathan