1. 先說背景這個 Bug 到底有多“靈異”1.1 項目場景一個很普通的訂單詳情頁上個月我負(fù)責(zé)的一個電商平臺訂單模塊出了個讓全組人頭疼的問題。業(yè)務(wù)本身非常簡單訂單列表頁展示訂單用戶點(diǎn)某一單前端拿訂單號去請求詳情接口后端返回詳情數(shù)據(jù)頁面渲染。就是最典型的 CRUD 鏈路沒有高并發(fā)、沒有分布式事務(wù)、沒有消息隊列日常流量也就每秒幾百。按理說這種模塊出 Bug定位起來分分鐘的事但這次硬是折騰了整整一周。訂單號用的是雪花 ID 生成的 19 位整數(shù)。為什么不用數(shù)據(jù)庫自增 ID因為系統(tǒng)有多個寫入節(jié)點(diǎn)為了全局唯一訂單號早就統(tǒng)一換成了雪花算法。這個細(xì)節(jié)當(dāng)時沒人當(dāng)回事畢竟項目已經(jīng)跑了大半年訂單模塊一直穩(wěn)如老狗。誰也沒想到最后讓整個團(tuán)隊欲仙欲死的恰恰就是這個 19 位的訂單號。1.2 癥狀清單怎么復(fù)現(xiàn)都復(fù)現(xiàn)不了用戶反饋的問題是訂單詳情頁偶爾打不開頁面提示“訂單不存在或已刪除”。但詭異的是同一個訂單在后臺管理端能查到數(shù)據(jù)庫里記錄也完好無損。這意味著數(shù)據(jù)層面沒有丟是有別的東西把鏈路搞斷了。最讓人抓狂的是它的“靈異”特征無法穩(wěn)定復(fù)現(xiàn)。同樣的操作路徑有時候好、有時候壞。挑訂單。大多數(shù)訂單沒問題個別訂單必現(xiàn)但看起來沒有任何規(guī)律。環(huán)境和設(shè)備無關(guān)聯(lián)。iOS 和 Android 都有反饋瀏覽器也換過后端日志卻始終看不到異常。后端日志里查不到對應(yīng)的報錯請求。用戶說打不開但后端訪問日志里根本沒有對應(yīng)的訂單詳情請求記錄好像用戶的請求憑空消失了一樣。我當(dāng)時的情緒基本就是“bug 觀察員”附體每天上班第一件事就是翻工單、查日志、對比數(shù)據(jù)試圖從一堆看似正常的記錄里找出哪一環(huán)在作妖?？上нB續(xù)查了兩天除了確認(rèn)數(shù)據(jù)沒丟、接口沒報錯之外毫無進(jìn)展。這種“數(shù)據(jù)都在就是鏈路不通”的現(xiàn)象其實(shí)是很典型的類型轉(zhuǎn)換或者精度丟問題在作怪。但當(dāng)時誰也沒往這個方向想因為訂單號用肉眼看前端和后端顯示的一模一樣。2. 一周排查全記錄我到底經(jīng)歷了什么2.1 第一階段懷疑數(shù)據(jù)本身排查的第一步永遠(yuǎn)是確認(rèn)數(shù)據(jù)對不對。我們拉出了用戶反饋的那幾個訂單號去數(shù)據(jù)庫里查記錄全都在狀態(tài)字段、金額字段、創(chuàng)建時間全部正常。然后直接拿這些訂單號調(diào)接口又全部返回正常。這時候最容易產(chǎn)生誤判既然接口直接調(diào)用沒問題那問題大概率出在用戶側(cè)的入?yún)⑸稀Ｓ谑俏覀冮_始懷疑是不是某些訂單在生成時寫入了特殊字符比如全角空格、不可見字符、或者在訂單號前面加了什么前綴。這類臟數(shù)據(jù)我見過不少于是專門寫了個腳本去掃訂單表把所有訂單號的長度、字符集、前后空格查了一遍。結(jié)果很打臉。訂單號格式完全正常長度固定 19 位純數(shù)字沒有任何隱藏字符。數(shù)據(jù)庫層面干干凈凈。這個方向排除了。但這里有個細(xì)節(jié)我當(dāng)時忽略了我通過數(shù)據(jù)庫查到的訂單號和用戶在前端實(shí)際拿到的訂單號真的是一回事嗎這是后來才想通的關(guān)鍵點(diǎn)。2.2 第二階段懷疑并發(fā)和緩存數(shù)據(jù)沒問題那就換方向。訂單詳情頁是前端先調(diào)一個列表接口拿訂單號再拿這個訂單號去調(diào)詳情接口。如果列表接口和詳情接口之間出了問題比如列表返回的訂單號被緩存污染、或者被并發(fā)線程覆蓋了也會出現(xiàn)“明明訂單存在但詳情查不到”的現(xiàn)象。于是我們把火力集中在緩存上。訂單模塊確實(shí)接了一層 Redis 緩存列表接口做了緩存詳情接口也做了緩存。我當(dāng)時的假設(shè)是列表緩存里某個訂單號寫壞了或者緩存 key 沖突導(dǎo)致返回了別的訂單的 ID。這種問題以前也不是沒遇到過。排查方式很簡單粗暴把相關(guān)緩存全部清掉讓用戶再試。結(jié)果用戶反饋還是偶發(fā)打不開。緩存清掉之后問題依舊說明緩存不是根因。排除了并發(fā)和緩存之后我把目光轉(zhuǎn)向了接口參數(shù)傳遞鏈路也就是前端請求詳情接口時那個訂單號到底是怎么傳過去的。這一步才是整個排查的轉(zhuǎn)折點(diǎn)。2.3 第三階段懷疑框架和依賴緩存排除后誕生了一個更玄學(xué)的猜想會不會是某個依賴庫的 Bug這個想法一旦冒出來就收不住了。因為我們的前端詳情頁用了好幾個第三方組件后端接口用的是統(tǒng)一封裝的基礎(chǔ)框架中間還有一層網(wǎng)關(guān)。如果網(wǎng)關(guān)里對參數(shù)做了某種轉(zhuǎn)換或者 JS 框架在路由跳轉(zhuǎn)時對 query 參數(shù)做了處理訂單號就可能被改寫。于是我干了一件看起來很傻但非常有價值的事給前端代碼加日志把列表接口拿到的原始數(shù)據(jù)、存到 store 里的數(shù)據(jù)、以及詳情請求 URL 上的參數(shù)全部原樣打出來。后端也加了臨時日志把每次請求收到的 orderId 參數(shù)原樣記錄下來。兩端日志一對比真相基本上就擺在眼前了。前端從列表接口拿到的原始訂單號是7222063723784590123但詳情請求 URL 上帶的訂單號變成了7222063723784590100。兩者肉眼看著非常接近不逐個數(shù)字對比根本發(fā)現(xiàn)不了但它們的后四位確實(shí)不一樣了。那一刻我和前端同事對視一眼心里同時冒出一個詞精度丟失。2.4 轉(zhuǎn)折點(diǎn)一次全鏈路參數(shù)對比定位到參數(shù)被改寫之后剩下的問題就是誰改的在哪一步改的前端日志顯示列表接口響應(yīng)的原始 JSON 拿到的就已經(jīng)是7222063723784590100了。也就是說問題根本不在路由、不在 store、不在請求封裝而是在數(shù)據(jù)從后端進(jìn)入前端的那一刻數(shù)字就已經(jīng)被污染了。驗證方法也非常簡單。我打開瀏覽器控制臺手動輸入7222063723784590123回車?？刂婆_直接返回了7222063723784590100。就這么一句代碼困擾我們一周的“靈異 Bug”現(xiàn)出了原形。JavaScript 里的 Number 類型根本表示不了這么大的整數(shù)。這個訂單號超過了Number.MAX_SAFE_INTEGER也就是 2 的 53 次方減 1等于 9007199254740991。任何超過這個范圍的整數(shù)在 JS 里都會發(fā)生精度丟失低位被四舍五入成 0。后端返回的是 Java 的 Long 類型JSON 序列化后是數(shù)字字面量前端解析 JSON 時JavaScript 引擎自動把超出安全范圍的數(shù)字近似轉(zhuǎn)換了。從 Java 的 Long 到 JavaScript 的 Number這就是一次隱式的類型轉(zhuǎn)換。它沒有語法報錯沒有運(yùn)行時異常只有靜默的精度損失。3. 真相問題出在一個“不起眼的類型轉(zhuǎn)換”上3.1 從現(xiàn)象到原理JS 的 Number 和 2^53JavaScript 只有一種數(shù)字類型就是 Number它底層基于 IEEE 754 標(biāo)準(zhǔn)的雙精度浮點(diǎn)數(shù)存儲。雙精度浮點(diǎn)數(shù)用 64 位存儲其中 1 位符號位、11 位指數(shù)位、52 位尾數(shù)位。這個結(jié)構(gòu)意味著它能夠精確表示的整數(shù)范圍是有限制的。IEEE 754 雙精度浮點(diǎn)數(shù)可以精確表示從-2^53 1到2^53 - 1之間的所有整數(shù)這個范圍之外就無法保證精確了。為什么不是 2 的 64 次方因為 52 位尾數(shù)只能精確表達(dá) 52 位精度的整數(shù)加上隱含位有效精度正好是 53 位。2 的 53 次方等于 9007199254740992而最大安全整數(shù)是 9007199254740991JS 里直接提供了常量Number.MAX_SAFE_INTEGER來標(biāo)記這個值。當(dāng) JSON 數(shù)字超過這個范圍時JavaScript 引擎在解析階段就已經(jīng)丟精度了你的代碼里根本沒機(jī)會拿到原始值。這就像用一個只能裝 5 位數(shù)的容器去接一個 19 位數(shù)的水管接出來的水少了多少容器自己是不知道的。我舉個例子方便理解假設(shè)「前端數(shù)字」是一個只能放 4 位數(shù)的密碼鎖后端 Long 是一個能放 8 位數(shù)的保險柜鑰匙號。鑰匙號12345678塞進(jìn) 4 位鎖鎖自動只記前 4 位1234密碼永遠(yuǎn)對不上。這個自動截斷就是“類型轉(zhuǎn)換”干的壞事。我們系統(tǒng)的訂單號是雪花 ID它的結(jié)構(gòu)是 1 位符號位 41 位時間戳 10 位機(jī)器 ID 12 位序列號。正常情況下 41 位時間戳在 2024 年大概相當(dāng)于 42 億毫秒左右加上機(jī)器 ID 和序列號整體確實(shí)會超出 JS 的安全整數(shù)范圍。而且雪花 ID 生成時時間戳越高、機(jī)器位越靠后生成的數(shù)字越大。所以低并發(fā)、早期生成的訂單號可能還在安全范圍內(nèi)高并發(fā)、后期生成的訂單號就超了。這也解釋了為什么問題只挑特定訂單出現(xiàn)而且看起來毫無規(guī)律。實(shí)際上規(guī)律一直存在出現(xiàn)問題的訂單是那些二進(jìn)制表示中低位不是全 0 的大整數(shù)。換句話說低位數(shù)字越容易被“吞掉”癥狀越明顯。3.2 為什么它騙過了所有人現(xiàn)在復(fù)盤這個 Bug 為什么能活活熬我們一周隱蔽性主要來自以下三點(diǎn)。第一肉眼無法察覺。7222063723784590123和7222063723784590100放在界面上看幾乎一模一樣。用戶不會去數(shù)后四位后端日志里又是正確的原始值兩邊數(shù)據(jù)一對比唯一看到的差異是“詳情請求根本沒到達(dá)后端”于是先入為主地認(rèn)為是前端或網(wǎng)關(guān)丟了請求。方向上就偏了。第二它是靜默轉(zhuǎn)換。類型轉(zhuǎn)換在 Java 里通常都有明確的寫法比如(int) longValue或者Integer.parseInt(str)。但在跨語言場景下JSON 序列化和反序列化過程中數(shù)字類型的精度損失是完全靜默的。沒有編譯器告警沒有運(yùn)行時異常沒有錯誤日志。開發(fā)者在正常開發(fā)時根本感知不到。第三它在“進(jìn)入前端的第一毫秒”就已經(jīng)發(fā)生了。凡是在業(yè)務(wù)邏輯、網(wǎng)絡(luò)層、路由層排查的人看到的都是已經(jīng)被污染的值。好比快遞在發(fā)貨地就被換成了假貨消費(fèi)者在收貨地拆包裹時發(fā)現(xiàn)不對但檢查運(yùn)輸路徑、清點(diǎn)配送員全部正常因為問題出在裝箱那一刻。這種“轉(zhuǎn)換發(fā)生在鏈路最前端”的特點(diǎn)導(dǎo)致所有依賴“訂單號一致性”的排查手段全部失效。比如我們想通過訂單號去關(guān)聯(lián)后端日志結(jié)果前端發(fā)出的訂單號已經(jīng)被改寫了后端根本查不到這條日志直接形成了一個排查盲區(qū)。3.3 修復(fù)方案三種做法對比定位到根因之后修復(fù)本身并不復(fù)雜但選哪種方案需要根據(jù)項目情況權(quán)衡。我知道的常見做法有三種。第一種后端把 Long 類型的訂單號在 JSON 序列化時轉(zhuǎn)成字符串。這是最直接、最穩(wěn)妥的方案也是目前行業(yè)里最通用的做法。Java 端用 Jackson 的話可以在訂單號字段上加JsonSerialize(using ToStringSerializer.class)或者在全局配置里注冊一個 Long 轉(zhuǎn) String 的序列化器。前端拿到的是字符串7222063723784590123JS 不會對它做任何數(shù)字精度轉(zhuǎn)換原樣傳遞、原樣使用。缺點(diǎn)也很明顯前端所有取訂單號的邏輯都要改成字符串處理如果以前有加減法、比較運(yùn)算的地方要注意字符串的比較和數(shù)字的比較不一樣。第二種前端引入BigInt類型處理數(shù)字。ES2020 之后JavaScript 原生支持了大整數(shù)類型BigInt可以在解析 JSON 時對超大數(shù)字做特殊處理或者用parseInt之類的函數(shù)在中間層把它轉(zhuǎn)成 BigInt。但問題在于JSON.parse 在解析階段就已經(jīng)丟精度了你必須在解析之前攔截原始文本手動把大數(shù)字處理掉這就非常麻煩。實(shí)際項目中很少直接在全部鏈路用 BigInt因為瀏覽器兼容性、第三方庫兼容性都是額外成本。第三種后端把訂單號改成字符串類型存儲。這個能做但屬于傷筋動骨的改動不是緊急修復(fù)的首選。它適合在系統(tǒng)重構(gòu)時一并考慮為了一個 Bug 把訂單號字段從 Long 改成 String影響面太大容易引發(fā)其他回歸問題。我們當(dāng)時的處理是緊急先在訂單號字段加JsonSerialize(using ToStringSerializer.class)同時前端補(bǔ)了對字符串訂單號的兼容邏輯。修完之后讓產(chǎn)品在出現(xiàn)問題的那些訂單上逐一驗證全部恢復(fù)正常。后續(xù)版本里我們又統(tǒng)一梳理了所有對外返回的 Long 類型 ID凡是會被前端消費(fèi)的一律轉(zhuǎn)字符串杜絕同類隱患。4. 類型轉(zhuǎn)換陷阱大盤點(diǎn)這一類 Bug 的常見形態(tài)4.1 JavaScript 雙等號的“精神污染”這次事故之后我把團(tuán)隊代碼里所有和類型轉(zhuǎn)換相關(guān)的隱患都翻了一遍發(fā)現(xiàn)這類問題遠(yuǎn)比我們想象得多。最容易踩的坑首推 JavaScript 的雙等號隱式轉(zhuǎn)換。在 JS 里會在比較之前對操作數(shù)做類型轉(zhuǎn)換。舉個例子0 false的結(jié)果是true。原因是先用 Number() 把字符串轉(zhuǎn)成數(shù)字0變成0false也變成0兩邊相等。類似的還有1 true等于truenull undefined等于true。很多業(yè)務(wù) Bug 就是在這種“看起來合理”的隱式轉(zhuǎn)換里埋下的。尤其值得警惕的是“字符串 false”的梗。如果你從前端接口拿到的是字符串false然后寫if (flag false)結(jié)果會是什么答案是你永遠(yuǎn)進(jìn)不去這個分支因為false是非空字符串隱式轉(zhuǎn)成布爾值是truetrue false顯然不成立。但代碼又不會報錯邏輯悄悄跑偏Bug 出現(xiàn)得毫無預(yù)兆。我個人的建議是前端業(yè)務(wù)代碼一律用嚴(yán)格全等不要用。對布爾值的判斷直接寫if (flag)不要和true/false做比較除非你確定來源必然是真布爾類型。如果您用到Number()、String()、parseInt()這些顯式轉(zhuǎn)換函數(shù)也要明確傳基數(shù)參數(shù)比如parseInt(08, 10)否則老瀏覽器可能把08當(dāng)成八進(jìn)制處理解析出 0 這種離譜結(jié)果。4.2 跨語言邊界的 64 位整數(shù)除了 Java 后端到 JS 前端跨語言邊界的 64 位整數(shù)問題在很多場景都會出現(xiàn)。比如 Python 后端提供的 APIPython 的int是任意精度的幾千位的整數(shù)都能表示。一旦通過 JSON 傳給 JavaScript同樣會觸發(fā)2^53的精度限制。還有 Go 的int64、C# 的long、C 的int64_t凡是超過 9007199254740991傳到瀏覽器端全都得小心。這個問題的本質(zhì)是“JSON 協(xié)議本身沒有區(qū)分整數(shù)和浮點(diǎn)數(shù)更沒有區(qū)分 int32 和 int64它只是把數(shù)字序列化成一個十進(jìn)制的字面量”。而消費(fèi)端語言用什么類型接收完全由運(yùn)行環(huán)境自行決定。JavaScript 選擇用統(tǒng)一的 Number 類型接收精度必然受損。只要前端還要消費(fèi)大整數(shù)就必須約定“大整數(shù)一律用字符串傳輸”或者在協(xié)議層面引入 String 字段。還有一個容易被忽視的場景是數(shù)據(jù)庫主鍵。很多團(tuán)隊為了省事數(shù)據(jù)庫主鍵用 bigintORM 映射成 Java 的 Long再原樣返回給前端。一旦主鍵超過安全范圍前端用這個主鍵做編輯、刪除操作時提交的 ID 就已經(jīng)錯了。輕則請求失敗重則產(chǎn)生串?dāng)?shù)據(jù)的數(shù)據(jù)臟寫問題。所以現(xiàn)在不少公司的新規(guī)范里對外接口一律禁止把 bigint 主鍵直接返回給前端必須轉(zhuǎn)字符串。4.3 數(shù)據(jù)庫隱式轉(zhuǎn)換索引失效的隱形殺手類型轉(zhuǎn)換的坑不只存在于編程語言之間數(shù)據(jù)庫里同樣有。最典型的案例是 MySQL 里字符串字段和數(shù)字常量做比較。假設(shè)某張表的user_id字段是 varchar 類型你在 SQL 里寫WHERE user_id 123456MySQL 會對字段做隱式轉(zhuǎn)換把字符串列轉(zhuǎn)成數(shù)字再比較。這會導(dǎo)致索引失效全表掃描查詢性能斷崖式下降。更嚴(yán)重的是隱式轉(zhuǎn)換可能導(dǎo)致結(jié)果錯誤。比如user_id里有一條記錄是0123456轉(zhuǎn)成數(shù)字后變成123456和WHERE user_id 123456的條件一匹配本來不該命中的記錄也被查出來了。這屬于數(shù)據(jù)安全級別的 Bug根本不是性能問題。排查這類問題最直接的方法是對查詢字段顯式轉(zhuǎn)換WHERE CAST(user_id AS UNSIGNED) 123456但更好的辦法是確保字段類型和查詢條件類型一致把字符串字段加上引號WHERE user_id 123456。字符串字段就按字符串查數(shù)字字段就按數(shù)字查不要在設(shè)計表結(jié)構(gòu)的時候圖省事埋雷。4.4 后端語言里的隱蔽轉(zhuǎn)換后端語言內(nèi)部也有不少隱蔽的類型轉(zhuǎn)換陷阱。Java 里的字符串拼接就是重災(zāi)區(qū)result: value這段代碼如果 value 是 null得到的是字符串null而不是空串肉眼不容易發(fā)現(xiàn)但對賬、拼接文件時就出問題。Java 還有一個經(jīng)典問題Long和long之間做比較時如果是包裝類型的Long緩存范圍內(nèi)的值-128 到 127會返回 true超出這個范圍就變成 false因為比較的是對象引用而非數(shù)值。這種 Bug 在新手代碼里非常常見解決方式是統(tǒng)一用.equals()或者把包裝類型拆箱成基本類型再比較。Python 里也有一個著名的大坑bool是int的子類。這意味著True 1的結(jié)果是2甚至isinstance(True, int)的結(jié)果是 True。如果你寫了一段代碼輸入里混入了True而不是1某些運(yùn)算的表現(xiàn)會出乎意料。比如sum([True, False, True])結(jié)果是2看起來莫名奇妙但原理就是類型體系上的“繼承”導(dǎo)致的隱式轉(zhuǎn)換。C 和 C 里的隱式類型轉(zhuǎn)換更容易出安全問題。整數(shù)提升、無符號數(shù)和有符號數(shù)的比較、窄化轉(zhuǎn)換都在悄悄改變數(shù)據(jù)的含義。一個unsigned int和一個int比較編譯器會先把有符號數(shù)轉(zhuǎn)成無符號數(shù)如果你拿-1和一個unsigned int比較會得到一個巨大的正數(shù)邏輯直接翻轉(zhuǎn)。這類 Bug 在嵌入式、網(wǎng)絡(luò)協(xié)議處理中非常致命。4.5 時間與時區(qū)另一種“類型轉(zhuǎn)換”時間問題本質(zhì)上也可以歸類為類型轉(zhuǎn)換。同一個時間點(diǎn)在不同時區(qū)、不同格式、不同精度下顯示出來的字符串完全不同。一個 UTC 時間戳用毫秒還是秒存儲就差了 1000 倍。分布式系統(tǒng)里兩個服務(wù)一個用秒級時間戳、一個用毫秒級時間戳對賬、統(tǒng)計時就很容易出現(xiàn)莫名其妙的差值。我見過最經(jīng)典的案例是前端傳一個2024-06-01 12:00:00字符串給后端后端用DateTimeFormatter解析時沒有指定時區(qū)默認(rèn)用了服務(wù)器所在時區(qū)最終落庫的時間偏移了 8 個小時。表面看是時區(qū)問題本質(zhì)上是字符串到時間對象的“類型轉(zhuǎn)換”沒有按預(yù)期語義執(zhí)行。這類問題沒有銀彈只能靠規(guī)范約束對外統(tǒng)一用 ISO 8601 格式字符串或者毫秒時間戳并且在每個轉(zhuǎn)換入口明確時區(qū)參數(shù)不要依賴系統(tǒng)默認(rèn)值。凡是跨服務(wù)、跨端的時間傳遞都建議在字段命名里帶上時區(qū)后綴比如createdAtUtc、expireAtLocal讓轉(zhuǎn)換語義一目了然。5. 踩坑之后我的 Bug 排查方法論5.1 破除“靈異”心理Bug 一定有規(guī)律這一周的排查讓我最深刻的體會是不要輕易給 Bug 下“靈異”的定義。任何 Bug 都是由確定的原因觸發(fā)的哪怕表象再隨機(jī)也一定存在某種我們尚未識別的觸發(fā)條件。所謂“偶現(xiàn)”“環(huán)境相關(guān)”“必現(xiàn)但無規(guī)律”本質(zhì)上是觸發(fā)條件還沒有被找到而不是觸發(fā)條件不存在。一旦團(tuán)隊里的工程師開始說“這 Bug 是玄學(xué)”排查效率就會斷崖式下降因為每個人都開始做無方向的嘗試。正確的做法是先把“靈異”翻譯成“未知規(guī)律”然后集中精力去收集觸發(fā)條件哪些數(shù)據(jù)是壞的哪個時間點(diǎn)出的問題哪臺設(shè)備復(fù)現(xiàn)了前后參數(shù)差在哪里把這些信息收集齊了規(guī)律自然浮現(xiàn)。打破“靈異感”最有效的技術(shù)手段就是全鏈路日志。前端把入?yún)?、出參、狀態(tài)全打出來后端把所有入口請求和響應(yīng)全打出來網(wǎng)關(guān)注入鏈路追蹤 ID讓同一個請求的所有日志可以通過一個 ID 串聯(lián)。這次能定位到精度問題就是因為前后端日志落到了一起逐行對比瞬間找到差異。5.2 三個高效的定位技巧我知道很多同行遇到疑難 Bug 時最容易犯的錯誤是不停地在腦海里構(gòu)造假設(shè)然后一遍一遍測試假設(shè)。這個思路沒錯但效率太低。我現(xiàn)在的做法是先做三件事。第一找到“最近一次正常”和“第一次異?！钡臅r間點(diǎn)做變更比對。很多時候 Bug 不是突然出現(xiàn)的而是某次上線、某個配置變更、某段代碼提交之后才引入的。Git 提交歷史、發(fā)布記錄就是天然的排查線索。第二盯住鏈路的“邊界”。絕大多數(shù)隱蔽 Bug 都發(fā)生在模塊與模塊之間、語言與語言之間、系統(tǒng)與系統(tǒng)之間。這個訂單號問題發(fā)生在 JSON 序列化邊界時間問題發(fā)生在服務(wù)邊界精度問題發(fā)生在語言邊界。把這些邊界單獨(dú)拎出來做輸入輸出對比很快就能發(fā)現(xiàn)數(shù)據(jù)在哪里“變了形”。第三復(fù)現(xiàn)不了的時候就去造一個最小可復(fù)現(xiàn)用例。這個思路尤其在類型轉(zhuǎn)換問題上特別好用。一旦你猜某個數(shù)字、某個表達(dá)式可能有問題就把它從整個業(yè)務(wù)鏈路里剝出來單獨(dú)寫幾行代碼驗證。比如這次一句console.log(7222063723784590123)就完成了復(fù)現(xiàn)比反復(fù)操作頁面高效得多。5.3 防守型編碼清單經(jīng)驗都是在踩坑之后長出來的。這次之后我給自己整理了一份“防守型編碼清單”寫代碼的時候照著過一遍能擋掉不少同類問題。這份清單的核心內(nèi)容包括凡是超過 2^53 的整數(shù)一律不要直接暴露給前端改用字符串傳遞。JSON 序列化器統(tǒng)一配置 Long 類型轉(zhuǎn) String不讓蛛絲馬跡漏到接口之外。代碼中禁止使用統(tǒng)一使用和嚴(yán)格類型判斷。對布爾值判斷只寫if (flag)或if (!flag)不要和true、false字面量比較。任何parseInt都帶基數(shù)參數(shù)不依賴默認(rèn)行為。數(shù)據(jù)庫字段類型不和查詢值類型混用varchar 字段查詢時一定加引號。時間傳遞統(tǒng)一用 UTC 或帶時區(qū)信息絕不在服務(wù)內(nèi)部依賴服務(wù)器默認(rèn)時區(qū)。所有跨語言、跨服務(wù)的數(shù)據(jù)傳遞先確認(rèn)數(shù)據(jù)長度、精度、取值范圍在接收端是可表達(dá)的。這個清單不是一次寫完的每次遇到新問題就往里加一條現(xiàn)在已經(jīng)積累了幾十項。它們不能杜絕所有 Bug但能擋住至少 80% 的“不起眼的類型轉(zhuǎn)換”類問題。5.4 工具與日志的復(fù)盤建議最后聊聊工具層面的建議。這類隱蔽 Bug 的排查非常依賴日志和可觀測性。我強(qiáng)烈建議團(tuán)隊在項目里把鏈路追蹤做成標(biāo)配任何一次跨服務(wù)、跨前端的請求都要有唯一 trace ID并且前端也能把 trace ID 透傳到后端。這樣排查時拿著 trace ID 就能把整條鏈路的日志拉出來而不是靠用戶描述“打不開”去猜。日志內(nèi)容上入?yún)⒑统鰠⒈仨毴坑涗浀⒁饷舾袛?shù)據(jù)脫敏。尤其是和時間、數(shù)值、ID 相關(guān)的字段日志里不要只記錄格式化后的展示值最好把原始值也打出來。像這次的訂單號如果后端日志里打的是經(jīng)過去格式化處理的字符串或者前端只打了頁面展示值而不打原始接口值差異就不會被發(fā)現(xiàn)。還有一個有價值的習(xí)慣每次疑難 Bug 修完之后寫一篇復(fù)盤文檔把問題現(xiàn)象、排查過程、根因、修復(fù)方案、如何從源頭規(guī)避全部記錄清楚。這個問題看似浪費(fèi)時間但下次再遇到類似問題時它的價值會成倍放大。團(tuán)隊里新人也通過復(fù)盤文檔快速積累經(jīng)驗不用每一個人都從零踩一遍坑。我在實(shí)際排查過程中另一個體會很深的點(diǎn)當(dāng)發(fā)現(xiàn)后端日志里根本沒有對應(yīng)的請求記錄時不要立刻認(rèn)定是“請求沒發(fā)出去”而應(yīng)該懷疑“請求發(fā)出去了但參數(shù)已經(jīng)變了導(dǎo)致后端路由或過濾條件沒匹配上”。這次就直接指向了前端參數(shù)被污染的問題。很多看似“前后端斷層”的 Bug其實(shí)都出在參數(shù)在鏈路中被悄悄改寫的場景而類型轉(zhuǎn)換就是最安靜的改寫者。訂單號的問題修完之后我又把系統(tǒng)里所有 19 位的 ID 字段逐個排查了一遍順手換掉了三處隱患。那個“靈異”的夜晚結(jié)束后我養(yǎng)成了一個新習(xí)慣任何傳到前端的整數(shù)我都會先問一句它會不會超過 9007199254740991這個問題看起來簡單卻替我擋掉了很多進(jìn) Bug 單的機(jī)會。