网站常见问题1分钟定位（二）- 如何使用阿里云ARMS诊断Java服务端报错问题

这是阿里中间件 ARMS 团队推出的 “网站常见问题1分钟定位”系列文章的第二篇。

网页报错，尤其是5XX错误是互联网应用最常见的问题之一。5XX错误通常发生于服务端。服务端是业务逻辑最复杂，也是整条网络请求链路中最容易出错、出了错最难排查的地方。

运维工程师与研发工程师排查此类问题，通常要通过登录机器查看日志来定位问题。对于一般的Java应用错误日志，通常是这幅模样：

一般来说，对于逻辑不算太复杂、历史不算“太悠久”的应用来说，登录机器看日志的方式能够很大程度上地解决网站报错的问题。但遇到下列情况时，使用传统的方式可能就有些困难：

• 在一个分布式Java应用集群中，我想知道这类错误每分钟发生了多少次，什么时候开始发生的；

• 系统太老，遗留异常我不想管了，我只想知道，今天和昨天相比，发布前和发布后相比，多了哪些异常；

• 我想知道这个错误对应的是哪个Web请求，Web请求的参数是什么；

• 客服给了我一个用户下单失败的订单号，我想知道这个用户下单为啥失败，到底哪里错了；

  
  

利用阿里云ARMS(应用实时监控)的异常自动捕捉、收集、统计、溯源能力，您只需要在您的应用启动脚本中增加几行探针加载逻辑，不需要对您的应用代码做任何改动，即可以让应用中所有“错”调用无处可逃。

1、对应用中的所有错误进行全方位监控，只需要安装ARMS Java探针（如果您的应用托管于EDAS，您甚至可以跳过这一步）

• 开通ARMS，并创建应用；

• 下载Java探针包并解压；

• 在Java应用启动脚本中增加 -javaagent:/{user.workspace}/ArmsAgent/arms-bootstrap-1.7.0-SNAPSHOT.jar -Darms.licenseKey=xxx -Darms.appId=xxx (appId和licenseKey根据页面分配的信息填写，详情可看)
  打开ARMS页面，数据开始上报，验证Java探针安装成功。

2、所有“错”一览无余

• 成功安装探针后，在应用概览中我们立即就能看到系统中发生的所有“异常”，异常类型的分布以及发生次数。

  

  

• 点击“应用详情”，可以看到更详细的异常分布图，您可以看到集群或者单台机器的错误详情，从下图中，我们可以看到从11点开始系统的错误发生了激增的现象！

  
  

3、错误溯源：找到导致错误的原因

• 光看到错误的分布还远远不够，我们需要知道这个错误发生的原因。虽然日志中Java的异常堆栈中包含了调用的代码片段，但并不包含这次调用的完整上下游和请求参数。

• ARMS的探针技术，通过字节码增强技术，可以以很小的性能开销完整捕获异常上下游的完整调用快照，让异常的原因更加清晰。

• 我们可以从调用链快照中清晰地看到一次异常中的完整链路，我们甚至可以看到这次调用的详细的请求参数和异常日志，以获得更加详细的问题上下文信息。

  

  

• 至此，我们完成了一次全白屏化的线上错误诊断过程，通过ARMS探针诊断工具，再也不需要登录机器诊断线上错误问题了。

4、防患于未然 -- 设置告警

当然，您可以在ARMS的告警设置中对某一个接口或全部接口设置告警，让页面接口出现错误时第一时刻通知到您的运维团队。

当然除了错误以外，网站还会出现页面卡顿、内存泄漏等一系列问题。利用ARMS快速解决更多网站疑难杂症，请继续关注“网站常见问题1分钟定位”系列其他文章。