Flask 应用错误处理

应用出错，服务器出错。或早或晚，你会遇到产品出错。即使你的代码是百分百正确， 还是会时常看见出错。为什么？因为其他相关东西会出错。以下是一些在代码完全正确的 条件下服务器出错的情况：

• 客户端已经中断了请求，但应用还在读取数据。
• 数据库已经过载，无法处理查询。
• 文件系统没有空间。
• 硬盘完蛋了。
• 后台服务过载。
• 使用的库出现程序错误。
• 服务器与另一个系统的网络连接出错。

以上只是你会遇到的问题的一小部分。那么如何处理这些问题呢？如果你的应用运行 在生产环境下，那么缺省情况下 Flask 会显示一个简单的出错页面，并把出错情况 记录到 logger 。

但可做的还不只这些，下面介绍一些更好的出错处理方法。

错误日志工具

当足够多的用户触发了错误时，发送关于出错信息的邮件，即使仅包含严重错误的邮件也会是一场灾难。更不用提从来不会去看的日志文件了。 因此，推荐使用 Sentry 来处理应用错误。它可 以在一个开源项目 on GitHub 中获得， 也可以在 hosted version 中免费试用。 Sentry 统计重复错误，捕获堆栈数据和本地变量用于排错，并在发生新的或者指定频度的错误时发送电子邮件。

• Sentry顾名思议，翻译过来是哨兵的意思。

• 它可以监控我们在生产环境中项目的运行状态，一旦某段代码运行报错，或者异常，会第一时间把报错的 路由，异常文件，请求方式 等一些非常详细的信息以消息或者邮件给我们，让我们第一时间知道：程序出错了，继而从 Sentry 给出的详细的错误信息中瞬间找到需要处理的代码，尽快把 Bug 修复。

• Sentry是一个实时的事件日志和聚合平台。
• Sentry 可以帮助你将程序的所有 exception 自动记录下来，处理 exception 是每个程序的必要部分，有利于我们开发。
• 如果试用 Sentry 官方提供的服务是需要收费的，不过可以免费试用，当然最好还是自己搭建 Sentry ：文档 自行搭建当然就不收费啦。
• 官网安装和使用参考

• Docker 安装 Here，Python 安装 Here

要使用 Sentry 需要安装带有 flask 依赖的 raven 客户端:

$ pip install raven[flask]

(venv) E:\Flask\myproject>pip install raven[flask]
Collecting raven[flask]Downloading https://files.pythonhosted.org/packages/11/3a/b3e46b279b8bdd9eb55857d0e95044cad31732c80f628bb75e1e9e881a32
/raven-6.9.0-py2.py3-none-any.whl (287kB)100% |████████████████████████████████| 296kB 4.3kB/s
Requirement already satisfied: Flask>=0.8; extra == "flask" in e:\flask\myproject\venv\lib\site-packages (from raven[fla
sk]) (1.0.2)
Collecting blinker>=1.1; extra == "flask" (from raven[flask])Downloading https://files.pythonhosted.org/packages/1b/51/e2a9f3b757eb802f61dc1f2b09c8c99f6eb01cf06416c0671253536517b6
/blinker-1.4.tar.gz (111kB)100% |████████████████████████████████| 112kB 8.7kB/s
Requirement already satisfied: Jinja2>=2.10 in e:\flask\myproject\venv\lib\site-packages (from Flask>=0.8; extra == "fla
sk"->raven[flask]) (2.10)
Requirement already satisfied: itsdangerous>=0.24 in e:\flask\myproject\venv\lib\site-packages (from Flask>=0.8; extra =
= "flask"->raven[flask]) (0.24)
Requirement already satisfied: click>=5.1 in e:\flask\myproject\venv\lib\site-packages (from Flask>=0.8; extra == "flask
"->raven[flask]) (6.7)
Requirement already satisfied: Werkzeug>=0.14 in e:\flask\myproject\venv\lib\site-packages (from Flask>=0.8; extra == "f
lask"->raven[flask]) (0.14.1)
Requirement already satisfied: MarkupSafe>=0.23 in e:\flask\myproject\venv\lib\site-packages (from Jinja2>=2.10->Flask>=
0.8; extra == "flask"->raven[flask]) (1.0)
Installing collected packages: blinker, ravenRunning setup.py install for blinker ... done
Successfully installed blinker-1.4 raven-6.9.0

把下面内容加入 Flask 应用:

from raven.contrib.flask import Sentry
sentry = Sentry(app, dsn='YOUR_DSN_HERE')

或者，如果使用了工厂，那么可以在稍后初始化:

from raven.contrib.flask import Sentry
sentry = Sentry(dsn='YOUR_DSN_HERE')def create_app():app = Flask(__name__)sentry.init_app(app)...return app

YOUR_DSN_HERE 需要被替换为在 Sentry 安装时获得的 DSN 值。

注：关于DSN值，详情可参考Sentry自动化异常提醒一文。

简单的说就是你安装Sentry后，配置文件中 dsn 就在我们看的文档下方，每个用户的 dsn 都是唯一的，在你的项目中配置了 dsn ，Sentry 就能监控你的项目。

之后，服务信息会自动向 Sentry 报告，你就可以接收到出错通知。

错误处理

当错误发生时，你可能想要向用户显示自定义的出错页面。注册出错处理器来做到这点。

一个出错处理器是一个返回响应的普通视图函数。

但是不同之在于它不是用于路由的 ，而是用于一个异常或者当尝试处理请求时抛出 HTTP 状态码。

注册

通过使用 errorhandler() 装饰函数来注册或者稍后使用 register_error_handler() 来注册。 记得当返回响应的时候设置出错代码:

@app.errorhandler(werkzeug.exceptions.BadRequest)
def handle_bad_request(e):return 'bad request!', 400# or, without the decorator
app.register_error_handler(400, handle_bad_request)

当注册时， werkzeug.exceptions.HTTPException 的子类，如 BadRequest ，和它们的 HTTP 代码是可替换的。 （ BadRequest.code == 400 ）

因为 Werkzeug 无法识别非标准 HTTP 代码，因此它们不能被注册。替代地，使用适当的代码定义一个 HTTPException 子类，注册并抛出异常类:

class InsufficientStorage(werkzeug.exceptions.HTTPException):code = 507description = 'Not enough storage space.'app.register_error_handler(InsuffcientStorage, handle_507)raise InsufficientStorage()

出错处理器可被用于任何异常类的注册，除了 HTTPException 子类或者 HTTP 状态码。 出错处理器可被用于特定类的注册，也可用于一个父类的所有子类的注册。

处理

在处理请求时，当 Flask 捕捉到一个异常时，它首先根据代码检索。如果该代码没 有注册处理器，它会根据类的继承来查找，确定最合适的注册处理器。如果找不到已 注册的处理器，那么 HTTPException 子类会显示 一个关于代码的通用消息。没有代码的异常会被转化为一个通用的 500 内部服务器 错误。

例如，如果一个 ConnectionRefusedError 的实例被抛出，并且一个出错处 理器注册到 ConnectionError 和 ConnectionRefusedError ，那么 会使用更合适的 ConnectionRefusedError 来处理异常实例，生成响应。

当一个蓝图在处理抛出异常的请求时，在蓝图中注册的出错处理器优先于在应用中全 局注册的出错处理器。但是，蓝图无法处理 404 路由错误，因为 404 发生的路由级 别还不能检测到蓝图。

日志

如何记录异常，比如向管理者发送邮件，参见 日志 。

排除应用错误

应用错误处理 一文所讲的是如何为生产应用设置日志和出错通知。本文要讲的是部署中配置调试的要点和如何使用全功能的 Python 调试器深挖错误。

有疑问时，请手动运行

在生产环境中，配置应用时出错？

• 如果你可以通过 shell 来访问主机，那么首先请在部署环境中验证是否可以通过 shell 手动运行你的应用。

• 请确保验证时使用的帐户与配置的相同，这样可以排除用户权限引发的错误。

• 可以在你的生产服务器上， 使用 Flask 内建的开发服务器，并且设置 debug=True ，这样有助于找到配置问 题。但是，请 只在可控的情况下临时这样做 ，绝不能在生产时使用 debug=True 。

使用调试器

为了更深入的挖掘错误，追踪代码的执行， Flask 提供一个开箱即用的调试器（参 见 调试模式 ）。如果你需要使用其他 Python 调试器，请注意调试器之 间的干扰问题。在使用你自己的调试器前要做一些参数调整：

• debug - 是否开启调试模式并捕捉异常
• use_debugger - 是否使用 Flask 内建的调试器
• use_reloader - 出现异常后是否重载或者派生进程

debug 必须设置为 True （即必须捕获异常），另两个随便。

如果你正在使用 Aptana 或 Eclipse 排错，那么 use_debugger 和 use_reloader 都必须设置为 False 。

一个有用的配置模式如下（当然要根据你的应用调整缩进）:

FLASK:DEBUG: TrueDEBUG_WITH_APTANA: True

然后，在应用入口（ main.py ），修改如下:

if __name__ == "__main__":# To allow aptana to receive errors, set use_debugger=Falseapp = create_app(config="config.yaml")if app.debug: use_debugger = Truetry:# Disable Flask's debugger if external debugger is requesteduse_debugger = not(app.config.get('DEBUG_WITH_APTANA'))except:passapp.run(use_debugger=use_debugger, debug=app.debug,use_reloader=use_debugger, host='0.0.0.0')

参考

• 本文大部分引用自Flask中文文档

我在它的基础上加入了一些命令的反馈和一些插件更具体的描述等。

• Sentry自动化异常提醒