日志分析（Log Analysis）

日志是系统说的话。大部分时候它在说废话，但出问题时，答案就藏在那些废话里。

---

分析流程

拿到日志
  │
  ├─ 1. 识别日志格式和结构
  ├─ 2. 定位异常和错误
  ├─ 3. 构建时间线
  ├─ 4. 分析根因
  └─ 5. 给出结论和建议

---

第一步：识别日志格式

格式	特征	处理方式
JSON 结构化	每行一个 JSON 对象	解析 JSON，按字段筛选
标准日志格式	[时间] [级别] [模块] 消息	正则提取字段
纯文本	无固定格式	按关键词和时间戳模式匹配
堆栈跟踪	Error + at file:line	识别错误类型和调用栈

如果日志太长（>500 行），先问用户：

• 大概什么时间段出的问题？
• 有没有相关的错误关键词？
• 受影响的用户/请求 ID？

---

第二步：定位异常

2.1 错误级别扫描

按优先级从高到低扫描：

FATAL / CRITICAL → ERROR → WARN → 异常模式（超时、重试、拒绝）

2.2 关键模式识别

模式	关键词	可能的问题
异常/错误	Error, Exception, FATAL, panic	代码错误
超时	timeout, ETIMEDOUT, deadline exceeded	网络/依赖慢
连接失败	ECONNREFUSED, connection reset, ECONNRESET	服务不可达
资源耗尽	OOM, too many open files, pool exhausted	资源泄漏
权限问题	403, permission denied, unauthorized	权限配置
数据问题	null, undefined, NaN, invalid	数据质量
重试/降级	retry, fallback, circuit breaker	依赖不稳定

2.3 统计错误分布

## 错误统计

| 错误类型 | 次数 | 首次出现 | 最后出现 |
|---------|------|---------|---------|
| ConnectionTimeout | 45 | 14:23:01 | 14:28:33 |
| NullPointerError | 3 | 14:25:12 | 14:25:14 |
| AuthTokenExpired | 12 | 14:20:00 | 14:30:00 |

---

第三步：构建时间线

将关键事件按时间排列，还原问题发生经过：

## 事件时间线

14:20:00  [正常] 服务启动，连接数据库成功
14:23:01  [异常] 首次出现 ConnectionTimeout，目标：redis:6379
14:23:15  [异常] ConnectionTimeout 频率上升，10s 内 15 次
14:24:00  [告警] Redis 连接池耗尽，开始排队
14:25:12  [错误] NullPointerError — getUserSession() 返回 null
          ↑ 因为 Redis 不可用，session 查询失败
14:25:30  [降级] 熔断器触发，Redis 请求直接返回 fallback
14:28:33  [恢复] Redis 连接恢复，ConnectionTimeout 消失
14:30:00  [正常] 错误率归零

---

第四步：分析根因

分析方法

1. 从结果倒推：用户看到的问题 → 直接原因 → 根本原因
2. 时间相关性：问题开始时间前后，有没有部署/配置变更/流量突增？
3. 5 Whys：连续追问"为什么"直到找到根因

输出格式

## 根因分析

### 现象
用户登录页报 500 错误

### 直接原因
getUserSession() 返回 null，后续代码未做空值处理导致 NullPointerError

### 根本原因
Redis 实例在 14:23 出现网络抖动（可能是运维变更），
导致连接超时 → 连接池耗尽 → session 查询失败 → 空值未处理 → 500

### 因果链
Redis 网络抖动 → 连接超时 → 连接池耗尽 → session 查询失败
→ 返回 null → 未做空值检查 → NullPointerError → 500 响应

---

第五步：结论和建议

## 结论

1. **根因**：Redis 网络抖动导致连接超时，session 查询失败
2. **影响面**：14:23-14:28 期间约 200 个请求受影响
3. **恢复方式**：Redis 连接自动恢复后问题消失

## 建议

### 短期（立即修复）
- getUserSession() 增加空值检查，返回 null 时走降级逻辑而非抛异常

### 中期（防止复发）
- Redis 连接池增加健康检查和自动重连机制
- 添加 Redis 连接状态监控告警

### 长期（提升韧性）
- session 查询增加本地缓存兜底
- 考虑 Redis Sentinel 或 Cluster 提高可用性

---

分析准则

• 先全局后细节：先扫一遍日志全貌（错误分布、时间范围），再深入具体错误
• 关注时间相关性：问题前后有什么变化？部署？配置？流量？
• 区分因果和巧合：两个事件时间接近不代表有因果关系
• 不猜测：日志里没有的信息就说"需要进一步确认"，不编原因
• 给可执行建议：不只是"加个日志"，而是"在 src/services/auth.ts:45 的 getUserSession() 返回值后加空值检查"