Java异常处理与日志使用技巧
文章不知道大家是否熟悉?今天我将给大家介绍《Java异常与日志如何配合使用》,这篇文章主要会讲到等等知识点,如果你在看完本篇文章后,有更好的建议或者发现哪里有问题,希望大家都能积极评论指出,谢谢!希望我们能一起加油进步!
绝大多数情况下catch块必须记录日志,但仅限真正处理并终结异常传播路径时;业务异常用warn,系统异常用error并保留完整堆栈;避免重复记录、截断堆栈及异步场景日志丢失。

异常捕获时要不要记录日志
绝大多数情况下,catch 块里必须记录日志,但不是所有 catch 都该记——关键看是否“真正处理”了异常。
常见错误是:捕获后只调用 e.printStackTrace(),或什么也不做(空 catch),这会让问题彻底丢失;更隐蔽的问题是,在多个层级重复记录同一异常,导致日志爆炸且难以定位根因。
- 只在你**明确要处理并终结该异常传播路径**的位置记录日志(例如兜底返回默认值、触发重试、降级逻辑)
- 如果只是做简单包装再抛出(如
throw new ServiceException("下单失败", e)),通常不应在此处记日志,留给上层统一处理 - 使用 SLF4J 时,优先用
logger.error("下单失败", e)而非logger.error("下单失败: " + e.getMessage())—— 后者丢弃了堆栈,且可能触发空指针
哪些异常类型值得单独记录
不是所有异常都值得同等对待。区分「业务异常」和「系统异常」是日志策略的核心。
IllegalArgumentException、BusinessException(自定义)这类通常代表输入校验失败或业务规则拒绝,属于预期内异常,一般用 logger.warn() 级别即可;而 NullPointerException、SQLException、TimeoutException 往往反映代码缺陷或外部依赖故障,必须用 error 级别,并确保堆栈完整。
- 对
RuntimeException及其子类保持警惕:除非明确是业务语义(如InsufficientBalanceException),否则默认按系统异常处理 - 避免把
IOException这类检查异常无差别降级为 warn——它出现在网络/磁盘操作中,大概率意味着真实故障 - 若用 Spring,注意
@ExceptionHandler中的日志位置:全局异常处理器是集中记录的合理位置,但需判断是否已由下层记录过
logback 或 log4j2 中如何避免异常日志被截断
默认配置下,大堆栈(尤其是嵌套多层的 Cause)可能被日志框架截断,导致看不到根本原因。
以 Logback 为例,%ex 或 %xEx 转换符控制异常输出深度:%xEx{full} 强制展开全部嵌套,%xEx{5} 限制最多 5 层。Log4j2 对应的是 %throwable{full}。
- 开发/测试环境建议用
%xEx{full},确保问题可追溯 - 生产环境若担心日志体积,可用
%xEx{10},但不要低于 5 —— 多数 RPC 框架(如 Dubbo、Feign)会封装 3~4 层 - 禁用
%ex(不带参数):它默认只打印最外层异常,极易掩盖真实源头
异步线程和 CompletableFuture 中的日志陷阱
在 CompletableFuture.runAsync() 或自定义线程池中抛出未捕获异常,不会打印到主线程日志,甚至可能静默消失。
根本原因是:这些场景下异常发生在新线程,而默认 UncaughtExceptionHandler 通常只输出到 System.err,不受 SLF4J 控制。
- 为线程池显式设置
ThreadFactory,并在其中为每个线程绑定UncaughtExceptionHandler,用logger.error("async task failed", e)记录 - 对
CompletableFuture,优先用handle()或exceptionally()显式处理异常,而不是依赖whenComplete()(它不区分正常/异常完成) - Spring 的
@Async方法若抛异常,且未配置AsyncUncaughtExceptionHandler,异常将被吞掉——务必重写该 Bean 并接入日志
异常与日志配合最难的不是语法,而是判断“谁该记、在哪记、记多少”。同一个异常在网关层记一次 error,在 service 层又记一次 warn,再在 DAO 层打个 debug,这种叠加不仅浪费 I/O,还会让告警失真。留心调用链路中的日志责任边界,比选对日志框架更重要。
理论要掌握,实操不能落!以上关于《Java异常处理与日志使用技巧》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
Win11分区教程,磁盘压缩建D盘步骤详解
- 上一篇
- Win11分区教程,磁盘压缩建D盘步骤详解
- 下一篇
- 千焦换算卡路里,乘239秒出结果
-
- 文章 · java教程 | 18小时前 | Java · ServiceLoader module-info.java Java模块
- Java 模块服务加载的可选实现与回退路径
- 363浏览 收藏
-
- 文章 · java教程 | 19小时前 |
- Java VarHandle 内存序选择与可见性验证
- 226浏览 收藏
-
- 文章 · java教程 | 20小时前 | 并发 · Java · CompletableFuture · java 异步编程 completablefuture CompletionStage minimalCompletionStage
- Java CompletableFuture minimalCompletionStage 限制下游控制
- 219浏览 收藏
-
- 文章 · java教程 | 21小时前 |
- Java JFR 事件流定位短时延迟尖峰
- 213浏览 收藏
-
- 文章 · java教程 | 22小时前 |
- Java Record 序列化兼容字段演进方案
- 483浏览 收藏
-
- 文章 · java教程 | 23小时前 |
- Java ServiceLoader 隔离模块化插件实现
- 414浏览 收藏
-
- 文章 · java教程 | 23小时前 |
- Java Pattern Matching switch 处理密封层级
- 189浏览 收藏
-
- 文章 · java教程 | 1天前 | Stream · Java教程 · java Stream Collector Collectors.teeing 统计汇总
- Java Collectors.teeing 汇总两条统计管道
- 385浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Foreign Function Memory API 管理本地内存生命周期
- 385浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java StampedLock 乐观读校验失败的回退方式
- 165浏览 收藏
-
- 文章 · java教程 | 1天前 | 异常处理 · 并发编程 · Java教程 · StructuredTaskScope Java Structured Concurrency Joiner allUntil 子任务异常 聚合异常
- Java Structured Concurrency 汇总子任务异常
- 260浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java ForkJoinPool asyncMode 调整任务队列顺序
- 121浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 418次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 500次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 507次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 454次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 282次使用
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览

