1. 精准的异常分类和控制流设计
要点与实现
在大型 Java 后端系统中，异常是不可避免的，但应以可控的方式传播，避免把实现细节暴露给上游调用方。通过将错误分层为领域异常、数据访问异常和系统异常等类别，可以让控制流更清晰，减少对性能的影响，并提升可维护性。
为了实现这一目标，先定义一组领域驱动的自定义异常，并尽量让它们继承自运行时异常。避免在核心路径中抛出大量未受控的异常，而是在边界层将低级异常封装为高级异常，形成统一的错误语义。
// 自定义领域异常
public class DataNotFoundException extends RuntimeException {public DataNotFoundException(String message) {super(message);}
}// 低级异常封装为领域异常示例
public User getUser(String id) {try {return userRepository.findById(id);} catch (SQLException e) {throw new DataNotFoundException("User not found: " + id);}
}
另外，在异常包装时要保持堆栈信息可用性，便于定位问题，同时避免将敏感实现细节暴露给调用方。下列示例展示了一个最小化暴露的包装策略：
// 自定义包装异常，保留原因
public class DataAccessException extends RuntimeException {public DataAccessException(String message, Throwable cause) {super(message, cause);}
}
2. 全局异常处理与统一响应结构
实现方案
采用全局异常处理器（如 Spring Boot 的 ControllerAdvice）可以在一个地方统一处理不同类型的异常，并返回一致的错误响应格式。统一的错误结构有助于前端和 monitor 的可观测性，包括错误码、信息、时间戳和请求路径。
下面展示一个全局异常处理器的核心实现，结合统一的错误响应对象，确保前端收到的都是结构化的数据。
@ControllerAdvice
public class GlobalExceptionHandler {@ExceptionHandler(DataNotFoundException.class)public ResponseEntity<ErrorResponse> handleNotFound(DataNotFoundException ex, WebRequest req) {ErrorResponse body = new ErrorResponse("NOT_FOUND",ex.getMessage(),Instant.now().toString(),req.getDescription(false));return new ResponseEntity<>(body, HttpStatus.NOT_FOUND);}@ExceptionHandler(Exception.class)public ResponseEntity<ErrorResponse> handleAll(Exception ex, WebRequest req) {ErrorResponse body = new ErrorResponse("INTERNAL_SERVER_ERROR","系统内部错误，请稍后再试",Instant.now().toString(),req.getDescription(false));return new ResponseEntity<>(body, HttpStatus.INTERNAL_SERVER_ERROR);}
}
为了支撑上述处理，错误响应对象需要包含可解析的字段。下面给出一个简洁的实现：
public class ErrorResponse {private String code;private String message;private String timestamp;private String path;public ErrorResponse(String code, String message, String timestamp, String path) {this.code = code;this.message = message;this.timestamp = timestamp;this.path = path;}// getters/setters省略
}
通过上述方案，前端拿到的错误响应如：code、message、timestamp、path，便于错误分级、日志关联和自动化报警。
3. 异常栈追踪与日志级别的平衡
日志策略
在高并发场景下，频繁的异常堆栈打印会带来显著的性能开销，而对于可控的业务异常，采用合适的日志等级与信息量是提升系统吞吐的关键。
一个实用的做法是：对非致命的业务异常使用较低的日志级别，并保留必要的上下文信息，如 traceId、端点、输入摘要等，避免暴露敏感数据。
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.slf4j.MDC;public class ExampleService {private static final Logger logger = LoggerFactory.getLogger(ExampleService.class);public void handleRequest(String path, String traceId) {MDC.put("traceId", traceId);try {// 业务处理} catch (TransientException e) {// 经典的瞬时错误，记录较低级别的信息logger.warn("Transient error on path {}: {}", path, e.getMessage());} catch (Exception e) {// 未预期异常，记录堆栈以便诊断logger.error("Unhandled exception on path {}: {}", path, e.getMessage(), e);throw e;} finally {MDC.remove("traceId");}}
}
另外，使用 MDC 结合结构化日志可以实现跨服务链路的追踪，方便在集中日志中按 traceId 聚合分析。
4. 对外部系统的保护策略与幂等性保障
重试与降级
对外部系统调用经常会遇到瞬时性故障，引入幂等性设计、重试和降级机制可以提升稳定性。优先对幂等操作进行重试，避免重复写入等副作用导致的数据不一致。
一个常见的实践是对瞬时性异常进行有限的重试，并在达到最大次数后，回退到本地缓存或默认值，以保持服务可用性。
public String fetchExternalData(String key) throws ExternalServiceException {int maxAttempts = 3;long wait = 100; // msfor (int attempt = 1; attempt <= maxAttempts; attempt++) {try {return externalService.call(key);} catch (TransientException te) {if (attempt == maxAttempts) throw new ExternalServiceException("External call failed after retries", te);try { Thread.sleep(wait); } catch (InterruptedException ie) { Thread.currentThread().interrupt(); }wait *= 2; // 指数回退}}throw new ExternalServiceException("Unreachable code");
}
另一方面，在高成本或不可预测的场景中，尽量提供降级结果，如读取缓存、返回默认值或调用本地数据源，以降低对外部系统的依赖强度。
public UserProfile getUserProfile(String userId) {return cache.get(userId, () -> remoteService.getUserProfile(userId));
}
此外，事务边界与回滚策略也需要考虑，确保在发生异常时、事务边界内的状态能正确回滚，避免部分提交带来的数据不一致。
5. 熔断、降级与观测设计
监控与指标
将异常算子作为可观测指标进行监控，可以帮助团队在问题发生前发现趋势。通过对异常类别、端点、 slipped 时间等维度进行聚合，可以快速定位热点区域。
一方面，使用度量框架对异常进行计数、延迟和错误率监控，另一方面，结合熔断器/降级逻辑以避免雪崩效应，形成完整的观测闭环。
// Micrometer 指标示例：统计不同类型异常的发生次数
import io.micrometer.core.instrument.Counter;
import io.micrometer.core.instrument.MeterRegistry;public class MetricsService {private final Counter exceptionCounter;public MetricsService(MeterRegistry registry) {this.exceptionCounter = Counter.builder("backend.exceptions").tag("type", "unknown").register(registry);}public void registerException(String type) {exceptionCounter.tags("type", type).increment();}
}// 使用 Prometheus 端点的 Spring Boot 配置（示例）
# application.properties
management.endpoints.web.exposure.include=health,info,prometheus
management.metrics.export.prometheus.enabled=true
通过上述要素，事件驱动的观测数据与熔断机制结合在一起，可以在高并发场景下更早发现异常模式，并实现快速降级和隔离。
