如何建设灰度跨端监控 | D2分享视频+文章

大家好，我是来自阿里巴巴淘系技术部的墨辉。今天分享主题是《如何建设灰度跨端监控》。

监控，安全生产的第一战线，线上问题的发现能力以及如何快速定位问题是监控的核心能力。 前端跨端方案不断在演进，覆盖了web、weex、小程序等多种跨端方案场景。 今天的主题从背景介绍、技术方案、线上案例、总结 4个维度来介绍灰度跨端监控。

背景介绍

首先介绍下跨端的背景，打开一个H5或者pc的页面，从传统前端监控视角去看，我们一般只会关注页面运行过程的异常监控，比如 JSError、接口异常、性能等这些指标。

今天，我们业务运行在很多不同的跨端的方案，比如 weex、小程序、rn、flutter等。从跨端监控视角看，需要做到全链路的监控。比如容器启动异常、页面加载白屏、页面执行过程导致crash等问题的监控。

回到安全生产的背景，我们统计了淘系前端财年故障，我们发现线上问题 80% 是变更引起的以及故障平均修复时长超过了 300 分钟，我们来分析下具体原因：

线上变更引起故障，大部分是没有被监控发现，根据上图分析下监控没有被发现的原因。从趋势图看出，在10点左右有个发布节点，日志有个小幅度的增长，增长过程没有触发报警，原因主要包含两个：

• 大盘日志的增长并不明显

• 缺少细分的维度来区分日志增长的来源

上面我们提到了，平均修复时间超过了300分钟，一个完整的流程流程包含两个阶段

• 开发阶段，从需求评审、需求开发以及测试验证

• 发布阶段，开发完成之后，发布过程会有个渐渐放量的过程，内部灰度 -> 外部灰度，最后完整上线

如果一个问题完整上线才发现，会带来 问题修复周期长 和 影响范围广 的问题。要解决这些问题，需要在 灰度发布过程 来提前发现问题。

灰度监控是要解决发布过程的监控，核心要解决三个问题：

• 不同的跨端容器（weex、小程序等）怎么建设灰度监控

• 灰度报警和普通报警的差异是什么

• 灰度发布过程的监控，如何帮助业务更好定位问题