sublime text 通过构建系统与 python 脚本协同工作，可实现日志监控。1. 创建 monitor.py 脚本，记录读取位置并持续输出新增内容；2. 配置 sublime text 构建系统 monitorlog.sublime-build，指定 python 运行脚本及日志路径；3. 在 sublime text 中运行构建系统，控制台实时显示日志内容。此外，可修改 interval 变量调整监控频率，添加 ansi 转义码高亮关键信息。最后，该工具还可集成至 ci/cd 流程，通过保存监控日志作为 artifact 实现训练过程追踪与报警。
Sublime Text 配合 Python 脚本，可以实现一个简单的模型训练日志监控工具，方便追踪机器学习任务的进度。
解决方案
-
创建 Python 监控脚本 (monitor.py)
import time import os import sys def monitor_log(log_file, interval=10): """ 监控日志文件，并输出新增内容。 """ try: last_position = 0 while True: with open(log_file, 'r', encoding='utf-8') as f: f.seek(last_position) new_lines = f.readlines() if new_lines: for line in new_lines: print(line.strip()) last_position = f.tell() time.sleep(interval) except FileNotFoundError: print(f"错误：日志文件 {log_file} 未找到。") except KeyboardInterrupt: print("监控停止。") except Exception as e: print(f"发生错误: {e}") if __name__ == "__main__": if len(sys.argv) != 2: print("用法: python monitor.py <log_file>") sys.exit(1) log_file = sys.argv[1] monitor_log(log_file)
这个脚本的核心在于记录上次读取的位置
last_position
，然后不断地读取日志文件新增的内容。
try...except
块处理了文件未找到和键盘中断等情况，增加程序的健壮性。
encoding='utf-8'
处理了日志文件编码问题。
-
配置 Sublime Text 构建系统
- 打开 Sublime Text，选择 “Tools” -> “Build System” -> “New Build System…”
- 粘贴以下 json 配置，并保存为
MonitorLog.sublime-build
(文件名可以自定义):
{ "cmd": ["python", "$file", "$project_path/your_log_file.log"], "working_dir": "${file_path}", "selector": "source.python", "shell": false, "env": {"PYTHONIOENCODING": "utf-8"} }- 修改
your_log_file.log
为你的实际日志文件路径。
$project_path
指的是 Sublime Text 打开的项目目录。 如果你的日志文件不在项目目录下，需要使用绝对路径或相对路径。
-
"selector": "source.python"
确保这个构建系统只对 Python 文件生效。
-
"shell": false
直接执行命令，避免通过 shell。
-
"env": {"PYTHONIOENCODING": "utf-8"}设置环境变量，解决 Python 输出的编码问题，避免乱码。
-
使用方法
Sublime Text 如何与 Python 脚本协同工作以实现日志监控？
Sublime Text 提供了一个构建系统，允许你配置如何运行外部程序。 通过配置
MonitorLog.sublime-build
，我们告诉 Sublime Text 使用 Python 解释器来运行
monitor.py
脚本，并将日志文件路径作为参数传递给脚本。 当按下
Ctrl+B
运行时，Sublime Text 会执行这个配置，将 Python 脚本的输出显示在控制台中，从而实现日志监控。 关键在于构建系统的配置和 Python 脚本的协同工作。
如何自定义监控间隔和高亮显示关键信息？
修改
monitor.py
中的
interval
变量可以调整监控间隔。例如，将
interval=10
改为
interval=5
可以将监控频率提高到 5 秒一次。
高亮显示关键信息可以通过修改 Python 脚本实现。例如，可以使用 ANSI 转义码为特定关键词添加颜色。
import time import os import sys RED = ' 33[91m' RESET = ' 33[0m' def monitor_log(log_file, interval=10): """ 监控日志文件，并输出新增内容。 """ try: last_position = 0 while True: with open(log_file, 'r', encoding='utf-8') as f: f.seek(last_position) new_lines = f.readlines() if new_lines: for line in new_lines: if "ERROR" in line: print(RED + line.strip() + RESET) # 高亮显示包含 "ERROR" 的行 else: print(line.strip()) last_position = f.tell() time.sleep(interval) except FileNotFoundError: print(f"错误：日志文件 {log_file} 未找到。") except KeyboardInterrupt: print("监控停止。") except Exception as e: print(f"发生错误: {e}") if __name__ == "__main__": if len(sys.argv) != 2: print("用法: python monitor.py <log_file>") sys.exit(1) log_file = sys.argv[1] monitor_log(log_file)
这里我们定义了
RED
和
RESET
变量，分别表示红色 ANSI 转义码和重置码。 当日志行包含 “ERROR” 时，我们使用红色高亮显示。 你可以根据自己的需求修改关键词和颜色。
如何将此监控脚本集成到 CI/CD 流程中？
虽然这个脚本主要用于本地开发，但也可以集成到 CI/CD 流程中，用于监控模型训练过程。 一种方法是在 CI/CD 脚本中运行这个 Python 脚本，并将输出重定向到日志文件。 然后，可以使用 CI/CD 平台的日志分析工具来分析日志文件，并根据关键信息发送警报。
例如，在 gitLab CI 中，可以这样配置：
stages: - train - monitor train_model: stage: train script: - python train_model.py > training.log # 训练模型并将输出重定向到 training.log monitor_training: stage: monitor script: - python monitor.py training.log > monitor.log # 监控 training.log 并将输出重定向到 monitor.log artifacts: paths: - monitor.log # 将 monitor.log 作为 artifact 保存
这样，在
monitor
阶段，
monitor.py
脚本会监控
training.log
文件，并将输出保存到
monitor.log
文件中。 你可以将
monitor.log
文件作为 artifact 保存，并在 CI/CD 平台的 Web 界面中查看。 还可以使用 CI/CD 平台的日志分析工具来分析
monitor.log
文件，并根据关键信息发送警报。
