解决bug的技巧

我在知乎上的一个回答：http://www.zhihu.com/question/27044029

我说的可能不是debug，主要是生产环境出问题时的查错。

首先，开发的时候就做好准备。
包括但不限于：
好好记录日志。一定要记录方法的入参、出参、异常信息。
准备好日志下载、分析的工具。必要时候日志拆分、分析脚本要能写出来。

前两天上线时，不停的收到报错邮件。而且邮件里发送来的errmsg居然是null。
当时的debug的关键三步，第一是日志下载。生产环境有比较完善的日志机制，我把报错前一个小时的都扒了下来。第二是日志分析，对比日志流，发现第x行日志打印之后，第x+n行没有打印。于是很清楚的确定，问题就在这n行之内。最后再查看第x行记录的入参数据――入参是个javabean，日志里把其中所有非null的数据都记录了下来。于是很清楚的看到“feeExp=无”。
从日志下载到找到“无”，前后不超过10分钟。
然后我让系统管理员修改了对应的配置数据，都没验证结果就陪媳妇看电影去了。
没然后了，那之后直到现在，只发了一封错误邮件。后面说。

生产环境查错，好的日志真的是关键。曾经翻一份10G+的日志，满篇是“xx方法开始执行”“xx方法执行完毕”，什么数据都没有，真的有提刀砍人的心。

小tip，用log4j记录异常日志的时候，一定要用logger.error("error message in string",exception)这个重载方法。这个方法会把exception的异常信息堆栈一股脑打印出来。虽然不太友好，但是猴哥们应该都知道它的便利性。

在此基础上，如果对系统业务、代码流程熟悉，可以走很大一条捷径。感谢那些好好设计代码结构的人。这样，出问题的时候，有时即使没有日志或者不看日志，也可以很轻松的就把问题锁定在三、四行代码里面。
今天上午收到了另一封报错邮件。这次有errmsg了，是“Integer can not cast into Double”。
因为是我自己写的代码，我对流程非常熟悉，并且我清楚的知道只有一个地方可能产生Integer强转Double――虽然不好意思承认，但确实是开发和测试时考虑不周全导致的。于是再次找管理员确认了一个配置数据，让她把一个“5”改成了“5.00”。再然后，我去写别的代码了。

如果上面的步骤没法查出并解决问题，那么，你得能够重现错误。
这时候一个UAT环境的重要性就凸显出来了。在上家工作的时候，由于是接手别人做了一半的系统，很多时候没日志可查（查了也只会有提刀砍人的冲动）。因此，大多数时候用户报告bug时，我们第一步都是去UAT环境上设法重现。UAT上是开了log4j的debug日志的（生产上考虑硬盘空间和性能原因，最多开到info，有的甚至只有error），有用的信息总比生产上要多一些。而且=。=偶尔出现UAT无法重现的问题，我们会以此为借口告诉用户改不了……
UAT、INT、最后是到自己开发环境上重现，然后修改。

运气好的话，在重现过程中你能看到出错时打印出来的异常堆栈信息。由于没有生产环境那么大的系统压力，这时候就可以细细地慢慢地美美地……咀嚼一下这些信息了。
我以前一直觉得看异常堆栈很简单，以至于跟同事急过眼，得找机会跟人家道歉去=。=刚才尝试整理看堆栈所需的能力（科技树？），发现能轻松看懂堆栈信息的猴哥，绝对不是一个简单的机枪兵或者大G。第一得看得懂英语，或者能借助各类词典看懂那段英语；其次要懂异常机制，得从那一堆的at……和cause by ……中找到需要自己去关注、或者说自己有能力去关注的点；而且常常还得懂一些编译啊classloader啊jvm啊服务器啊相关的东西；好记性或者烂笔头是个优势，因为好多问题会重复出现；此外如果能够拥有脚踏实地的想象力能获得额外加成，因为有些异常信息真的太匪夷所思了。
上上次上线时候，我就遇到了这么个匪夷所思的问题。需要上线的代码在INT环境上跑的非常顺溜，上线的时候报了个NoClassDefFoundError。嘛……英语很好懂，no found的那个类也很清楚的跟在error的后面，但是……INT上真的非常顺溜啊……

这时，如果对系统业务、代码流程熟悉，又可以走很大一条捷径。很多次跟同事一起查错，他们还没看完日志我就猜到问题所在了，基本就是因为我走了这条捷径。

总的来说，我查bug，基本上是依赖程序在运行中留下的信息。大多数是我自己设置的“打卡机”，程序运行到这里就得打一次卡。有些是系统提供的帮助。当然会牺牲一些空间和时间的性能。不过目前来看，大多数是值得的。何况这些数据还可以拿来做点性能分析，甚至大数据分析呢。
借助这些信息，加上自己对系统、代码的掌握，大多数bug都能很迅速地定位、并最终解决。

学计算机的第一天老师就教我，“软件=数据+流程”。我到现在才算有了点切身的体会。日志里记录的是动态的数据，代码记录的是静态的流程。二者到手，bug无忧。

debug这个工具，我在追查生产环境的bug时很少使用。真的，大多数情况下，日志+代码就足够了。
我只有在开发期间，调试一些复杂的算法，或者调试大批量数据时会用。复杂算法是因为我人脑性能低，对代码流程分析不过来。大数据量则是没法对各种数据状态一一去分析。幸运――或者不行――的是，我基本没遇到过多少需要debug的情况。认认真真debug的事儿，做的应该不超过十次。

想了想，多线程并发也许是个不好用日志+代码来分析的东西。不过……我写的多线程……还没查过错……


哈哈一股浓浓的优越感是不是……不过说真的，代码较少出生产bug+出了bug能很快排查并解决，作为一只猴子我真的挺有成就感的