日志排查工作流
- Skill 标识
log-analysis-skill- 所属分类
- 软件测试 / 缺陷与故障分析
看到 ERROR 之后,下一步查什么?用七步工作流提取关键词、梳理调用链、定位可疑模块,输出有证据的排查建议。跟着订单失败案例,把日志阅读变成可复用的分析能力。
本文目录
- Skill 概览
- 适合谁、用在什么场景
- 需要准备什么、能得到什么
- 核心能力与使用边界
- 实战教程与使用说明
- 一、为什么测试人必须会读日志?
- 1.1 常见误区:只报现象,不给方向
- 1.2 日志排查工作流的目标
- 动手做 ①
- 二、为什么日志分析必须工作流化?
- 2.1 不能靠「感觉」看 ERROR
- 2.2 同一段日志,新手 vs 高级测试
- 三、日志排查工作流总览(7 步)
- 四、七步详解(含模板与案例)
- 4.1 第一步:日志关键词提取
- 动手做 ②
- 4.2 第二步:异常类型识别
- 4.3 第三步:调用链分析
- 4.4 第四步:模块定位
- 4.5 第五步:历史日志规律匹配
- 4.6 第六步:排查建议输出
- 4.7 第七步:证据不足时如何处理
- 五、完整跟做案例:订单创建失败
- 5.1 输入
- 5.2 按 7 步填写(学员可先手写,再对照下方参考答案)
- 动手做 ③
- 六、从零编写 workflows/log_analysis.md
- 6.1 目录准备
- 6.2 Workflow 文件模板(可直接复制修改)
- 6.3 在 SKILL.md 中注册
- 七、常见错误与自查表
- 八、课堂练习(含参考答案)
- 8.1 题目
- 8.2 参考答案
- 动手做 ④
- 九、本节总结
- 附录 A:学习前可准备的附件资料
- A.1 日志样例(assets/sample_logs/)
- A.2 规则与资产库(references/)
- A.3 输出模板(assets/templates/)
- A.4 工具与环境(可选)
- A.5 课前自检
- 附录 B:备注与延伸
Skill 概览
适合谁、用在什么场景
需要完成第一轮问题定位并与开发沟通的测试工程师。
需要准备什么、能得到什么
- 输入材料:脱敏日志片段、异常时间、业务现象及可选的模块图与历史案例。
- 交付产物:关键词、异常类型、调用链线索、疑似模块及分级排查建议。
核心能力与使用边界
- 核心能力:按七步组织分析,区分事实、候选原因和证据缺口,并将流程写入工作流文件。
- 使用边界:日志不足时应补证据;不能仅凭 ERROR 或 timeout 就断言根因,也不替开发直接修复代码。
实战教程与使用说明
一、为什么测试人必须会读日志?
1.1 常见误区:只报现象,不给方向
场景:用户提交订单后,页面提示「系统异常」。
写法 | 价值 |
|---|---|
❌ | 开发需从零排查,测试价值低 |
✅ | 缩小排查范围,加快定位 |
1.2 日志排查工作流的目标
不是让测试人替开发定位代码行号。
而是让测试人借助 AI 更快判断:
问题大致方向(网络 / 数据库 / MQ / 业务)
影响模块(订单 / 支付 / 库存)
回归范围与风险等级
动手做 ①
找一条你最近遇到的报错日志(可脱敏),用一句话描述:如果只报 Bug 现象 vs 补充日志方向,开发收到后的差异是什么?
二、为什么日志分析必须工作流化?
2.1 不能靠「感觉」看 ERROR
真实日志排查通常要经过:
关键词提取 → 异常类型识别 → 调用链分析 → 模块定位
→ 历史规律匹配 → 排查建议输出 →(证据不足时)补充采集建议
2.2 同一段日志,新手 vs 高级测试
原始片段:
ERROR
timeout
order-service
inventory-service
traceId=abc123
视角 | 会看到什么 |
|---|---|
新人 | 「报错了」 |
高级测试 | 订单服务?库存服务?接口超时还是 DB 慢?traceId 能否串起全链路? |
结论:日志排查工作流 = 把「看日志经验」拆成 AI 可逐步执行的分析路径。
三、日志排查工作流总览(7 步)
① 输入日志(+ 时间、环境、业务场景、traceId)
↓
② 日志关键词提取
↓
③ 异常类型识别
↓
④ 调用链分析
↓
⑤ 模块定位
↓
⑥ 历史日志规律匹配(references)
↓
⑦ 排查建议输出
↓
⑧ 证据不足 → 列出缺失信息 + 补充采集建议(不硬猜根因)
原则:AI 不应一上来就给根因,应先拆清日志,再逐步收敛方向。
四、七步详解(含模板与案例)
4.1 第一步:日志关键词提取
Goal:从噪音中提取「信号」,先不解释原因。
关键词类型清单(可写入 references/log_keyword_types.md):
类型 | 示例 |
|---|---|
错误级别 | ERROR、WARN、FATAL |
异常关键词 | timeout、exception、failed、refused、denied |
服务名称 | order-service、payment-service、inventory-service |
链路标识 | traceId、requestId、spanId |
接口路径 | /api/order/create |
时间信息 | 发生时间、耗时、时间窗口 |
案例
原始日志:
2026-05-20 10:21:30 ERROR order-service traceId=abc123
Call inventory-service failed: java.net.SocketTimeoutException: Read timed out
AI 提取后(结构化输出):
level: ERROR
source_service: order-service
downstream_service: inventory-service
exception_keywords:
- SocketTimeoutException
- Read timed out
trace_id: abc123
preliminary_direction: 订单服务调用库存服务读取超时
动手做 ②
用你自己的一条日志,按上表填一份 YAML 关键词提取结果。
4.2 第二步:异常类型识别
Goal:从「看到错误」升级到「判断错误类别」。
常见异常类型表(references/exception_type_map.md):
类别 | 典型关键词 | 常见排查方向 |
|---|---|---|
系统异常 | NullPointerException、IndexOutOfBounds | 空指针、数组越界、代码分支 |
网络异常 | timeout、connection refused、reset | 下游慢、网络、连接池 |
数据库异常 | deadlock、lock wait timeout、duplicate key | 锁、索引、幂等、慢 SQL |
缓存异常 | Redis timeout、cache miss、pool exhausted | Redis、连接池、热点 key |
MQ 异常 | send failed、consumer error、retry | 消费重复、堆积、死信 |
权限异常 | 401、403、permission denied | 鉴权、角色、Token |
业务异常 | 库存不足、订单状态非法 | 业务规则、状态机 |
案例:日志含 duplicate key
exception_type: 数据库唯一键冲突
common_causes:
- 重复提交
- 幂等控制不足
- MQ 重复消费
suggested_checks:
- 请求是否重复
- 唯一索引字段
- MQ 消费记录
4.3 第三步:调用链分析
Goal:找到异常发生在链路的哪个环节,而不是直接猜根因。
订单创建链路示例:
用户请求 → 网关 → 订单服务 → 库存服务 → 库存数据库
日志:order-service call inventory-service timeout
可能原因(需证据支撑,不可单点定论):
库存服务响应慢
库存数据库慢查询
网络连接异常
订单服务超时配置过短
AI 输出结构模板:
entry: 订单创建接口
upstream: 网关
current: 订单服务
downstream: 库存服务
failure_node: 订单服务 → 库存服务 调用
preliminary: 库存服务或库存数据层存在响应超时风险
4.4 第四步:模块定位
Goal:定位到业务/技术模块,明确找谁、回归哪里。
四个定位维度:
维度 | 示例 |
|---|---|
按服务 | 订单服务、支付服务、库存服务 |
按业务 | 下单、支付、库存扣减、优惠券核销 |
按技术 | 数据库、Redis、MQ、第三方接口 |
按环境 | 测试、预发、生产 |
案例
payment-service ERROR callback failed, update order status failed
AI 定位输出:
business_module: 支付回调
related_modules: [订单状态更新]
tech_direction: [数据库更新, MQ 通知]
focus_services: [payment-service, order-service]
focus_tables: [支付流水表, 订单状态表]
4.5 第五步:历史日志规律匹配
Goal:从「通用分析」升级为「项目经验分析」。
在 references/log_pattern_history.md 中维护规律库,例如:
| 日志特征 | 常见原因 | 建议先看 |
|----------|----------|----------|
| connection refused | 下游未启动、地址错误、网络不通 | 服务健康检查、注册中心 |
| duplicate key | 重复提交、幂等失败、MQ 重复消费 | 订单号生成、消费位点 |
| lock wait timeout | 事务未释放、并发更新同一行 | 锁等待、事务日志 |
| Redis timeout | 连接池耗尽、Redis 阻塞、网络抖动 | Redis 监控、慢命令 |
当前日志:duplicate key 'order_no_123'
匹配结果:
matched_pattern: 唯一键冲突
high_frequency_causes:
- 重复创建订单
- 重复消费消息
- 幂等校验缺失
checks:
- 订单号生成逻辑
- MQ 消费记录
- 接口重复提交日志
4.6 第六步:排查建议输出
Goal:输出可执行建议,而非「可能是服务异常」。
标准输出结构(写入 workflow 的「最终输出」节):
1. 异常摘要
2. 异常类型
3. 疑似模块
4. 建议查看的日志(服务名 + traceId + 时间窗)
5. 建议检查的接口 / SQL / 数据
6. 建议验证步骤
7. 风险等级(P0/P1/P2 + 理由)
完整案例输出(订单调用库存超时):
## 日志排查报告
**异常摘要**:订单服务调用库存服务发生读取超时(SocketTimeoutException: Read timed out)
**异常类型**:网络 / 接口调用超时
**调用链**:用户请求 → 订单服务 → 库存服务(异常节点)
**疑似模块**:库存服务、库存数据库、订单服务调用链配置
**建议日志**:
- inventory-service,traceId=abc123,时间窗 10:21:25–10:21:35
- order-service 接口耗时日志
**建议 SQL**:检查库存表慢查询、锁等待
**验证步骤**:同场景重试下单,对比 traceId 各节点耗时
**风险等级**:P1 — 可能影响下单成功率
4.7 第七步:证据不足时如何处理
原则:专业 AI 在证据不足时不硬猜根因,而是列出缺失信息与采集建议。
错误输出 | 正确输出 |
|---|---|
可能是数据库问题 | 当前证据不足,无法判断根因。建议补充:完整 traceId 链路、请求参数、响应体、订单号、时间窗、下游日志 |
缺失信息清单(workflow 中可做成 checklist):
- [ ] 缺少 traceId / requestId
- [ ] 缺少请求参数
- [ ] 缺少接口响应
- [ ] 缺少上下游服务日志
- [ ] 缺少发生时间范围
- [ ] 缺少环境信息(测试/预发/生产)
- [ ] 缺少版本变更说明
五、完整跟做案例:订单创建失败
5.1 输入
2026-05-20 10:21:30 ERROR order-service traceId=abc123
Create order failed. Call inventory-service timeout.
java.net.SocketTimeoutException: Read timed out
补充输入(建议一并提供):
occurred_at: "2026-05-20 10:21:30"
environment: production
business_scene: 用户下单创建订单
trace_id: abc123
5.2 按 7 步填写(学员可先手写,再对照下方参考答案)
参考答案对照:
步骤 | 内容 |
|---|---|
① 关键词 | ERROR、order-service、inventory-service、SocketTimeoutException、Read timed out、traceId=abc123 |
② 异常类型 | 网络 / 接口调用超时 |
③ 调用链 | 用户请求 → 订单服务 → 库存服务 |
④ 模块定位 | 疑似库存服务响应超时,可能关联库存 DB 或接口性能 |
⑤ 历史规律 | timeout 常见于下游慢、慢 SQL、连接池不足、网络波动 |
⑥ 排查建议 | 查 inventory-service 同 traceId 日志;库存接口耗时;库存库慢 SQL;订单服务超时配置 |
⑦ 风险 | P1,可能影响订单创建成功率 |
动手做 ③
在本地创建 assets/sample_logs/order_create_timeout.log,把上面日志写入,并运行一次你 Skill 中的日志分析 workflow(或让 AI 严格按 workflow 输出报告)。
六、从零编写 workflows/log_analysis.md
6.1 目录准备
mkdir -p my-test-skill/workflows my-test-skill/references my-test-skill/assets/sample_logs
touch my-test-skill/workflows/log_analysis.md
6.2 Workflow 文件模板(可直接复制修改)
# Log Analysis Workflow
## Purpose
对测试/生产日志做结构化第一轮分析,输出可执行排查建议。
## When to use
- 用户提供原始日志、报错截图文字、ELK 导出片段
- Bug 描述含「超时」「异常」「failed」「traceId」等
## Required Inputs
- raw_log(必填):原始日志文本
- occurred_at(建议):发生时间
- environment(建议):test / staging / prod
- business_scene(建议):如「下单」「支付回调」
- trace_id / request_id(强烈建议)
## 执行步骤
### Step 1:提取日志关键词
**Goal**:输出结构化关键词,不写根因猜测。
**必须引用**:`references/log_keyword_types.md`
**Checkpoint**:
- [ ] 已提取级别、服务名、异常词、链路 ID、时间
### Step 2:识别异常类型
**Goal**:归类到网络/DB/MQ/缓存/权限/业务等。
**必须引用**:`references/exception_type_map.md`
### Step 3:调用链分析
**Goal**:标出 entry、上下游、异常节点。
**Checkpoint**:
- [ ] 未在无证据时断言「就是 XX 服务 bug」
### Step 4:模块定位
**Goal**:业务模块 + 技术模块 + 建议关注服务/表。
### Step 5:匹配历史规律
**必须引用**:`references/log_pattern_history.md`
**若无匹配**:明确写「无历史匹配,建议将本案入库」
### Step 6:输出排查建议
**输出模板**:`assets/templates/log_analysis_report.md`
### Step 7:证据不足处理
**规则**:若 raw_log 少于 3 类有效信号(级别/服务/异常词/traceId 等),禁止输出根因,只输出「缺失信息清单」。
## 人工复核点
- [ ] 排查建议是否具体到「查哪条日志、哪个 traceId」
- [ ] 风险等级是否与业务影响一致
- [ ] 是否避免无证据的根因结论
## Final Output
使用 `assets/templates/log_analysis_report.md` 结构输出。
6.3 在 SKILL.md 中注册
当用户要求分析日志、排查报错、解读 traceId 时:
1. 读取本 Skill
2. **严格按** `workflows/log_analysis.md` 执行,不得跳步
3. 标注「必须引用」的 references 文件必须加载
七、常见错误与自查表
错误 | 表现 | 修复 |
|---|---|---|
直接判根因 | 跳过关键词与类型 | 强制 Step 1–2 先输出结构化信息 |
只看一行日志 | 忽略调用链 | 增加 Step 3,要求画链路 |
异常类型混为一谈 | timeout 与 duplicate key 都叫「系统异常」 | 维护 |
不用历史规律 | 每次从零分析 | 维护 |
证据不足仍下结论 | 「可能是数据库」 | 启用 Step 7 缺失清单 |
口诀:有证据、有步骤、不拍脑袋。
八、课堂练习(含参考答案)
8.1 题目
分析以下日志,按 workflow 输出完整报告:
ERROR payment-service traceId=p987
update order status failed: lock wait timeout exceeded
要求包含:关键词、异常类型、调用链推测、疑似模块、历史规律、排查建议、需补充的信息。
8.2 参考答案
keywords:
- payment-service
- update order status failed
- lock wait timeout exceeded
- traceId=p987
exception_type: 数据库锁等待超时
call_chain_guess: 支付回调 → 更新订单状态 → 订单库
suspected_modules: [支付回调, 订单状态更新, 订单数据库]
history_match: 并发更新订单状态、事务未释放、索引不合理
suggestions:
- 查订单表锁等待与 innodb 状态
- 查支付回调是否重复触发
- 查事务提交与回滚日志
missing_info:
- 订单号
- traceId 完整链路日志
- SQL 执行日志
- 并发请求记录
risk: P1(支付与订单状态一致性)
动手做 ④
将本题答案整理成 assets/templates/log_analysis_report.md 的一份实例,保存为 assets/examples/payment_lock_timeout_report.md。
九、本节总结
日志排查工作流 =
关键词提取
+ 异常类型识别
+ 调用链分析
+ 模块定位
+ 历史规律匹配
+ 排查建议输出
+ 证据不足时的补充采集建议
最终观点:测试人不一定要替开发修代码,但必须能借助 AI 完成第一轮日志分析,快速判断问题方向、影响模块与下一步排查路径。
附录 A:学习前可准备的附件资料
A.1 日志样例(assets/sample_logs/)
文件名 | 内容说明 |
|---|---|
| 订单调库存超时(本教程主案例) |
| duplicate key 唯一键冲突 |
| 课堂练习:支付更新订单锁等待 |
| connection refused 下游不可用 |
| Redis timeout / 连接池 |
| MQ 消费失败 / 重试 |
| 仅一行 |
A.2 规则与资产库(references/)
文件名 | 内容说明 |
|---|---|
| 关键词类型与提取规则 |
| 异常类型 → 常见原因 → 排查方向 |
| 项目历史日志规律库(持续沉淀) |
| 核心链路图(下单/支付/库存等) |
| 模块 → 负责人 / 值班(可选) |
A.3 输出模板(assets/templates/)
文件名 | 用途 |
|---|---|
| 标准日志排查报告结构 |
| 证据不足时的缺失清单 |
A.4 工具与环境(可选)
准备项 | 说明 |
|---|---|
ELK / 云日志平台账号 | 能按 traceId、时间窗查询 |
脱敏后的真实日志 3~5 条 | 来自当前项目,练习更准确 |
Cursor + Skill 目录 | 编辑 workflow 与 references |
Git | 版本管理 workflow 与规律库迭代 |
A.5 课前自检
已准备至少 2 条真实或仿真日志(含 traceId 更佳)
已创建
workflows/、references/、assets/sample_logs/已草拟
references/log_pattern_history.md(至少 5 条规律)知晓本 Skill 在
SKILL.md中的触发条件
附录 B:备注与延伸
与 Bug 分析 workflow 的关系:日志排查常作为
workflows/bug_analysis.md的子步骤;也可独立成 Skill,由SKILL.md按场景路由。规律库迭代:每次线上事故复盘,将「日志特征 → 根因 → 修复」追加到
log_pattern_history.md,AI 会越用越准。安全:样例日志须脱敏(用户 ID、手机号、订单号可哈希或替换)。
边界:workflow 输出的是「排查方向」,最终根因仍须研发结合代码与监控确认;测试人在人工复核点签字把关。
本节课对应的skill全文档:
扫码添加辅导员,发送 Skill 名称,领取源码与配套资料。