面试题：Node.js异常监控系统如何与分布式架构结合

1. 异常监控设计

在Node.js应用层面：

使用try - catch块包裹异步操作，如async/await函数中的代码，捕获未处理的Promise拒绝和同步代码中的异常。例如：

async function someAsyncOperation() {
    try {
        const result = await someAsyncFunction();
        return result;
    } catch (error) {
        // 调用异常处理函数
        handleError(error);
    }
}

为process对象的uncaughtException和unhandledRejection事件添加监听器，捕获全局未处理的异常和拒绝。

process.on('uncaughtException', (error) => {
    handleError(error);
});
process.on('unhandledRejection', (reason, promise) => {
    handleError(reason, { promise });
});

添加唯一标识符：为每个请求生成唯一的请求ID（如使用uuid库），并在整个请求处理过程中传递该ID。这样在异常发生时，通过该ID可以追踪异常来源于哪个具体请求。例如：
```
const uuid = require('uuid');
app.use((req, res, next) => {
    req.requestId = uuid.v4();
    next();
});
```

2. 日志记录设计

日志格式：采用结构化日志格式，如JSON，方便后续聚合和分析。每条日志应包含时间戳、请求ID、节点标识、日志级别（如info、warn、error）、日志消息等字段。例如：
```
{
    "timestamp": "2023 - 10 - 01T12:00:00Z",
    "requestId": "123e4567 - e89b - 12d3 - a456 - 426614174000",
    "nodeId": "node - 1",
    "level": "error",
    "message": "Database connection error"
}
```

本地日志存储：在每个节点上使用日志库（如winston）将日志记录到本地文件。可以按日期或文件大小进行切割，以管理日志文件大小。例如，使用winston配置如下：

const winston = require('winston');
const { createLogger, format, transports } = winston;
const { combine, timestamp, json } = format;

const logger = createLogger({
    format: combine(timestamp(), json()),
    transports: [
        new transports.File({ filename: 'error.log', level: 'error' }),
        new transports.File({ filename: 'combined.log' })
    ]
});

3. 分布式日志聚合与分析

日志传输：

使用消息队列（如Kafka或RabbitMQ）将本地日志发送到中央日志聚合服务器。每个节点将日志消息发布到消息队列的特定主题。例如，在Node.js中使用kafka - node库发送日志：

const kafka = require('kafka - node');
const Producer = kafka.Producer;
const client = new kafka.Client();
const producer = new Producer(client);

function sendLogToKafka(logMessage) {
    const payloads = [
        { topic: 'logs - topic', messages: JSON.stringify(logMessage) }
    ];
    producer.send(payloads, (err, data) => {
        if (err) {
            console.error('Error sending log to Kafka:', err);
        }
    });
}

聚合与分析：
- 在中央日志聚合服务器上，使用日志管理工具（如Elasticsearch + Kibana）来接收、存储和分析日志。Elasticsearch可以高效地存储和索引日志数据，Kibana提供可视化界面进行查询和分析。将从消息队列消费的日志数据存储到Elasticsearch中，通过Kibana可以按请求ID、节点、时间范围等条件进行查询和分析异常情况。

4. 处理网络延迟和节点故障

网络延迟：

在消息队列发送日志时，设置合理的重试机制。如果发送失败，根据一定的策略（如指数退避）进行重试。例如，在上述Kafka发送代码中添加重试逻辑：

const MAX_RETRIES = 3;
function sendLogToKafka(logMessage, retries = 0) {
    const payloads = [
        { topic: 'logs - topic', messages: JSON.stringify(logMessage) }
    ];
    producer.send(payloads, (err, data) => {
        if (err && retries < MAX_RETRIES) {
            const delay = 2 ** retries * 1000;
            setTimeout(() => {
                sendLogToKafka(logMessage, retries + 1);
            }, delay);
        } else if (err) {
            console.error('Failed to send log to Kafka after retries:', err);
        }
    });
}

节点故障：
- 采用冗余设计，在多个节点上备份关键的监控和日志记录组件。例如，对于消息队列，可以使用多副本机制确保即使某个节点故障，消息也不会丢失。同时，在节点故障恢复后，重新同步未发送的日志数据到消息队列或中央聚合服务器。可以在本地日志文件中标记已发送的日志，以便故障恢复后知道从何处继续发送。

星途面试题库

面试题：Node.js异常监控系统如何与分布式架构结合

知识考点

面试题答案

1. 异常监控设计

2. 日志记录设计

3. 分布式日志聚合与分析

4. 处理网络延迟和节点故障