Node 中异常上报与监控

发布于2019-06-25

在一个后端服务设计中，异常捕获是必不可少需要考虑的因素

而当异常发生时，能够第一时间捕捉到并且能够获得足够的信息定位到问题至关重要 这也是本篇文章的内容

刚开始，先抛出两个问题

在生产环境中后端连接的数据库挂了，是否能够第一时间收到通知并定位到问题，而不是等到用户反馈之后又用了半天时间才找到问题 (虽然运维肯定会在第一时间知道数据库挂了)
在生产环境中有一条 API 出了问题，能否衡量该错误的紧急重要程度，并根据报告解决问题

异常收集

异常一般发生在以下几个位置

API/GraphQL 层，在 API 层的最外层使用一个中间件对错误集中进行处理，并进行上报。在具体逻辑层往往不需要主动捕捉异常，除非针对异常有特殊处理，如数据库事务失败后的回退
```
// 在中间件中集中处理异常
app.use(async (ctx, next) => {
  try {
    await next();
  } catch (err) {
    ctx.body = formatError(err);
  }
});

// graphql 中也可以
new ApolloServer({
  typeDefs,
  resolvers,
  formatError,
});
```
当在逻辑层捕捉到异常再手动抛出时，不要丢失上下文信息，此时可以使用添加字段 originalError 来保持上下文信息
script 等非 API 层，如拉取配置，数据库迁移脚本以及计划任务等

另外除了主动捕捉到的异常，还有一些可能漏掉的异常，可能导致程序退出

process.on("uncaughtException", err => {
  console.error("uncaught", err);
});

process.on("unhandledRejection", (reason, p) => {
  console.error("unhandle", reason, p);
});

API 异常结构化

当 API 层发生异常时，传输数据至客户端时需要对异常进行结构化，方便下一步的异常上报与前端对结构化信息的解析以及对应的展示

以下使用 FormatError 表示当发生异常时 API 应该返回的结构化的信息

而当异常发生时，异常可以在最顶层中间件作为错误处理中间件统一捕获，捕获到时可以使用一个函数 formatError 在中间件中统一结构化异常信息

interface FormatError {
  code: string;
  message: string;
  info: any;
  data: Record<string, any> | null;
  originalError?: Error;
}

function formatError(error: Error): FormatError;

以下是 FormatError 各字段的示意

code

表示错误标识码，用以对错误进行归类，如用户输入数据不合法 (ValidationError)，数据库异常 (DatabaseError)，外部服务请求失败 (RequestError)

根据经验我把 code 分为以下几类

ValidationError，用户输入不合法
DatabaseError，数据库问题
- DatabaseUniqueError
- DatabaseConnectionError
- …
RequestError，外部服务
- RequestTimeoutError
ForbiddenError
AuthError，未授权请求授权资源
AppError，业务问题
- AppBadRequest
- …
…

对于数据校验，数据库异常与请求失败，我们通常会使用第三方库。 此时可以根据第三方库的 Error 来定制 code

message

表示 human-readable 的错误信息，但不一定代表它可以展示在前端。这里的 human 代表的是开发人员，而非用户，如以下两个 message 就不适宜展示在前端

connect ECONNREFUSED postgres.xiange.tech. 不需要把数据库断连的消息展示在前端
email is required. 输入数据校验，虽然可以展示给用户，但是需要展示中文 (国际化)

你可以根据 code，来决定前端是否可以展示后端期待它展示的信息，而在前端也可以根据 code 来进行全局集中处理

info

表示一些针对 code 的更为详细的信息

当发送请求失败的时候，你至少得知道失败的这个请求长什么样子: method，params/body 以及 headers
当用户输入数据校验失败时，至少得知道是那几个字段

originalError

originalError 表示由该异常引发的错误 API，它往往会包含更加详细的上下文信息

originalError.stack 表示当前错误的堆栈，当异常发生时可以快速定位问题发生的位置 (虽然 node 有时候抛出的堆栈信息都是自己从未见过的文件)

当在开发和测试环境时，把 originalError 附到 API 中可以快速定位问题， 当在生产环境时，不要把你的 originalError 也放到 API 里，你可以在监控系统中找到完整的错误信息

你可以使用以下两个 API 来优化你的 stacktrace

Error.captureStackTrace(error, constructorOpt);
Error.prepareStackTrace(error, structuredStackTrace);

具体使用方法可以参考 v8 stack trace api

data

代表该接口返回的数据。当 API 报错时 data 是不是应该返回为 null？

不应该，当 API 报错时，可能只有部分字段有问题，剩余字段可以正常返回。 由于 graphql 是由字段(field)聚合而成，这在 graphql 中体现地非常明显。

http status

当API处理过程中发生错误时，应该返回 400+ 的 status code

HTTP/1.1 400 Bad Request
HTTP/1.1 401 Unauthorized
HTTP/1.1 403 Forbidden
HTTP/1.1 429 Too Many Requests

过滤

在本地开发时，往往不需要把异常上报到 Sentry。Sentry 也提供了 hook 再上报之前对异常进行过滤

beforeSend?(event: Event, hint?: EventHint): Promise<Event | null> | Event | null;

监控系统

监控首先需要有一个监控系统，我这里比较推荐 Sentry，具体如何部署可以参考我的上一篇文章：如何部署 Sentry。

你也可以直接在官方注册使用 SaaS 版本: Sentry 付费。个人免费版每个月有 5K 的报错限额，也足够个人使用。

相比自建版本，使用 SaaS 免了一些运维的日常工作。最主要的是， 自建系统有功能限制。

这里有关于 Sentry 的文档

指标

异常监控除了异常本身以外，还要采集更多一些的指标。

异常监控最重要的目标就是还原异常抛出场景

异常级别: Fatel, Error 以及 Warn。这决定你周日收到报警邮件或报警短信是继续浪还是打开笔记本改 Bug。可以通过 code 来标记
```
const codeLevelMap = {
  ValidationError: "warn",
  DatabaseError: "error",
};
```
环境: 生产环境还是测试环境，早于用户及测试发现问题，可以直接读取应用服务的环境变量
上下文: 如哪一条 API 请求，哪一个用户，以及更详细的 http 报文信息。可以直接利用 Sentry 的API上报上下文信息
```
Sentry.configureScope(scope => {
  scope.addEventProcessor(event =>
    Sentry.Handlers.parseRequest(event, ctx.request)
  );
});
```
用户: API 错误是由那个用户触发的
code: 便于对错误进行分类

request_id: 便于 tracing，也方便获取更多的调试信息：在 elk 中查找当前 API 执行的 SQL 语句

const requestId =
  ctx.header["x-request-id"] || Math.random().toString(36).substr(2, 9);
Sentry.configureScope(scope => {
  scope.setTag("requestId", requestId);
});

由上可见，对于采集指标的数据一般来源于两个方面，http 报文以及环境变量