跨越前后端排障鸿沟，精准排障，让IT人员不“撕逼”_客服排障后台

在日常生活在，你的网页、小程序、APP，是否有过以下情况？

【网络购物时】

【看网页时】

当类似上述故障发生时，最痛苦的莫过于“救火队”——运维人员，不仅需要耗费大量时间进行排查，而且不能很好定位到是前端的问题还是后端的问题，前后端IT人员的互相甩锅，也导致问题迟迟无法解决。

我们以一些典型的场景为切入，来看看排障定位为什么会出现如此困境：

01. 运维痛点——排障过程存在困境

1）单点用户排障流程

过去传统运维单点排障的工作实录：用户纷至沓来，客服电话被打爆，运维人员看看堆积如山的工单汗如雨下。只能一个个工单进行故障排查。

运维人员打开第一条工单，发现是个普通的JS错误报错，但是只能看到异常错误堆栈信息，无法通过这个堆栈直接定位到错误的源代码行。只能抱着这个异常错误去自行解析。好不容易解析出了源代码异常的位置，并测试了几轮，完成了源代码修复。

运维人员打开第二条工单，解析完发现这是跟第一个一模一样的错误源代码行，也就是说，在完成第一个异常修复的时候，其实就已经同时完成了这条异常的修复。运维人员骂骂咧咧地打开第三条工单、第四条工单，一条一条解决着........

终于，在运维人员加班到十二点，解决完第433条工单，看着待办1000+后。啪地一声关上了电脑。

结果自己该做的其他工作，一点进度都没有。

2）前端排障原理与流程

当然，随着代码技术的不断演进，现在的程序员一般是不会一行一行的去排查代码的，不然动辄上万行的代码，如此去排障，运维人员、前后端人员早就“崩溃”了。以JS异常为例，我们来看两个实例：

① 简单情况下的问题定位

大部分程序编写过程中，程序引擎会有定位异常行号的功能，但当部分引擎不具备定位行号功能时，几乎无法定位异常所在。在这种情况下，程序员们会使用TRY…CATCH语句，标记要尝试的语句块，并制定一个出现异常时的响应机制。

举例：

捕捉到异常之后，可以通过Error的lineNumber属性将行号打印出来：

借此，完成异常代码的定位。

② 复杂情况下的问题定位

当然，上例是比较简单的代码的情况，可以通过TRY…CATCH语句进行一条条的定位。

实际生产环境中，一般的网页代码都是体量较大的， 并且前端的JavaScript代码在上线前都会经过压缩、混淆处理，这样的好处是可以减小代码的体积，二来可以保证代码的安全性。例如某网页源代码可能是这样的：

在经过压缩、混淆后变成了这样：

在这种情况下，如果发生代码报错：

那么就很难根据错误信息去定位具体的代码行。

该例子中还有 auto_renew 这个关键字，能根据关键字入手，实际情况可能更加复杂，如仅提示“Cannot read property [0] of undefined”时，定位具体问题将变得更加棘手。

③ SourceMap精准定位问题

如何解决复杂情况下的代码异常定位问题呢？

如果不压缩代码，直接用源码去进行发布工作，看似可以完美的解决异常，但是代码体积将会非常巨大，同时安全隐患也无法忽视。那为什么在本地开发的时候，默认的也是打包后的文件，用chrome测试的时候为什么就可以看到源码呢？这就不得不提SourceMap技术了。

所谓SourceMap技术，就是维护一个源代码和压缩后代码映射关系用的文件，通过压缩后的错误信息反向推出源代码的具体错误行号。

例如上述代码，map文件内容如下：

其中，最重要的内容就是mappings这一行。这是一个很长的字符串，分为了三层，记录了一搜索前后代码的映射关系。现在常用的的前端打包工具（webpack、gulp、rollup等）都支持这个SourceMap功能。

打包后类似：

另外需要注意，SourceMap是不会跟着打包后的js一起部署的，不然你的代码很容易就被他人反推出来。所以需要在打包脚本过程中，将其中的.js和.map独立出来。

借助SourceMap技术，通过合适的展示平台，如嘉为鲸眼真实用户监测中心，就可以在展示平台中精确定位到异常错误行。

除JS异常外，前端还会有许多其它类型的异常，还存在种各种各样的排障困境，但实际上，只要弄清楚造成困境的根本原因，从本质出发着手处理，问题就迎刃而解了。

02. 根因分析——前后端分离的监控差异

1）前后端监控的差异

在当下流行前后端分离开发的大趋势下，APM技术（应用性能监测，也就是后端服务监测）也更多的被大家所认知。

当前，随着用户端的复杂度的上升以及精细化运营的需求上升，对流量层的监控已发展至第三阶段，从专注于网络、IT部件/组件的后端监控转向前端后端一体化监控，从用户端着手开始采集数据，同时在整个用户体验交付链条的每一个环节都要进行监控，完成基于云的端到端全栈应用性能管理。

从用户端的角度看，用户操作一条信息大致是通过如下流程的：

这其中的每一个环节都可能产生缺陷：

到达环节

• CDN资源加载错误
• 资源响应超时导致用户跳出

渲染环节

• 排版错乱
• 白屏或者模块缺失
• 元素隐藏或遮盖

交互环节

• 无法选中某些元素
• 无法取消/删除/退出

请求环节

• 请求参数错误
• 网络连接失败
• 返回格式不正确
• 性能太差导致用户放弃

反馈环节

• 结果无法确认，造成页面假死或者重复提交
• 提供错误提示。

而在传统的监控体系下，这一系列环节中只有后端交互的部分能够用常规的后端监控工具，即APM覆盖到，其它环节的监控往往是缺失的。

因为缺乏这方面监视的工具，前后端同事也经常进行问题的“甩锅”。

为防止前后端的“撕逼”，我们需要从什么角度去建立前端监控体系，保证前后端的工作定位准确，精准排障呢？

03. 对症下药——跨越障碍实现精准排障

从用户端来看，任何一个角度出现问题，都会导致用户的体验不佳，导致流失。为了保证用户不流失，一些APM解决方案开始引入UEM（user experience monitoring）技术，即针对用户体验的监控，来保证可用性。

由于用户端的复杂度不断上升，我们面临的偶发性缺陷，局部性缺陷等难以复现的问题会越来越多。

用户端作为一个高度碎片化的系统，在任何个例上可用都不意味着整体可用，可用性问题实际上是按各种环境因素展开的概率问题。

影响可用性的环境因素：

• 地区 - CDN或者接口服务的可用性有地域差异
• 时间 - 部分业务逻辑受时间影响，包括本地时间、服务器时间、时区等因素
• 渠道 - 除了产品的主App之外，还可能有公众号、浏览器应用、交叉推荐、运营推广等各种合作渠道
• 版本 - 新老版本永远共存，可能产生兼容性问题
• 账户 - 新用户与老用户，注册账户与第三方账户
• 操作 - 用户的操作方式可能是专业人员意想不到的

从这些角度出发去分析问题，就可以撅弃传统的“反馈、复现、调试”的缺陷处理方法。通过前端主动上报监控信息的形式，收集更全面的用户端数据，用“打点、观察、分析”的方法，以统计学思维处理概率性的缺陷，而不是直接通过前后端一同还原现场深入细节排障的方式，就能够避免甩锅现象的发生。

前后端监控工具的相互联动，能够让运维人员提供加强故障感知能力，保证业务连续稳定，同时也便于研发人员进行异常根因分析，精准定位问题，从而跨越前后端鸿沟，实现全方位排障流程的效率提升。