系列：30 天打造企業級 PLM｜面向：後端

問題場景

上線後的日常：「系統怪怪的。」沒有監控，每次都要遠端連上主機，在幾 GB 的 log 裡大海撈針。企業內網環境往往裝不了雲端 APM，Mini-PLM 的選擇是把監控做進系統本體：錯誤自動收集去重、效能樣本自動記錄、一頁 Monitor 看全部。

Monitor 頁實機畫面：

商業邏輯設計

• 資料保存年限是政策不是技術。效能樣本留 7 天（診斷用，過期無值），選單使用事件留 365 天（年度功能盤點用）。retention 是儲存成本與分析需求的平衡，每類資料各自談
• 使用洞察有實際的業務用途：哪些功能沒人用（該下架或該教育訓練）、哪些選單最熱（優化優先序）。有了數字，「要不要做這個功能」從吵架變成看數據
• 監控頁本身 ADMIN only，錯誤訊息可能含內部路徑與資料片段

技術選型與取捨：自建輕量監控 vs 引入 APM

架構演進：從 WebLogic 巨型日誌與 JMX 到內建結構化指紋監控

以前在 Oracle Agile PLM 的維運體系中，排查問題往往令人崩潰：

1. 日誌巨石陣：錯誤訊息以純文字重複傾倒在 WebLogic 的 ManagedServer.out、Agile.log 中。同一個 bug 在一小時內噴出數萬行重複的 Stack Trace，硬碟常被塞爆，搜尋錯誤有如大海撈針；
2. JMX 監控繁瑣：雖然 WebLogic 提供 JMX MBeans，但監控指標高度偏向伺服器底層容器，無法直接反映「哪種類型的變更單最常失敗」或「哪支 API 耗時最長」等業務層面的痛點。

Mini-PLM 選擇在系統內建輕量級結構化 Monitor 模組：自動對錯誤進行 SHA-256 指紋去重與計數累加，並即時收集 API 效能樣本與 Top 慢查詢，讓管理員直接在一頁 UI 掌控全局。

Prometheus 加 Grafana 加 ELK 是標準答案，但內網部署的現實是多三套要維運的系統、跨系統關聯要自己建，而我們要回答的問題其實很收斂：哪支 API 慢、哪個錯誤爆量。取捨結果是監控進系統本體、資料存主資料庫、UI 就是系統的一頁。代價是監控與系統同生共死，系統倒了監控也倒，緩解靠外部的 /actuator/health 探測。規模換簡單的又一例，等到多節點分散式（Day 30 roadmap），再引入獨立監控棧不遲。

核心內容

錯誤收集：去重指紋 + 累加計數

同一個 bug 在生產環境不會只發生一次，它會發生一萬次。逐筆存等於自己 DDoS 自己的資料庫。解法兩段（實碼註解）：

// 錯誤日誌記錄實體
/**
 * 指紋 = SHA-256(exceptionClass + message 前 200 字 + logger) 十六進位前 64 字
 */

// 錯誤日誌寫入器
/**
 * 去重節流：先對「去重時間窗內同指紋」的列做 UPDATE（累加 OCCURRENCE_COUNT），
 * ...
 */

指紋的配方是重點：exceptionClass 加 message 前 200 字加 logger。message 只取前 200 字，因為訊息尾巴常帶變動值（ID、時間戳），全文進指紋會讓同一個 bug 產生一萬個不同指紋，去重直接失效。寫入端則是時間窗內同指紋 UPDATE 累加、否則 INSERT。一萬次發生變成一列加計數 10000，爆量錯誤反而看得更清楚。

規則式解讀：把診斷知識沉澱成資料

錯誤列表不只給 stack trace，還配解讀規則：常見錯誤 pattern 對應「這通常是什麼問題、先檢查什麼」。例如 CLIENT_REQUEST 類等於使用者端網路中斷，不用緊張。值班的人不需要是寫程式的人，診斷知識從資深工程師的腦子搬進規則表。這也是 Day 30「AI for Maintain」的地基：規則式解讀先把格式與流程鋪好，之後換 AI 當解讀器是水到渠成。

效能樣本與 ZIP 匯出

每個 API 請求記效能樣本（路徑、耗時、時間戳），保留 7 天。分析走離線匯出：Monitor 頁一鍵匯出 ZIP（樣本時序、Top SQL、錯誤彙總，預設近 24h），資料拿回本機用趁手的工具慢慢分析，不在生產系統上跑重查詢。Day 21 壓測的監控快照收集，接的就是這套樣本體系。

Release Notes 自動化

Release Notes 產生腳本在 git commit 後產生版本說明 JSON（{timestamp}-{shortHash}.json），前端配 version.json 偵測新版、彈 What's New。維運的最後一哩：使用者知道系統更新了什麼，支援電話就少一半。

踩坑記錄

• /actuator/health 被 LDAP 拖死。health 預設聚合所有依賴的健康檢查，LDAP 或 Mail 連不到時整個 /health 跟著 timeout，外部探測以為系統掛了。修法是停用 LDAP/Mail 健康指標。health endpoint 回答「我能不能服務」，不是「全世界都好嗎」，外部依賴的失敗有自己的降級路徑，不該讓探測誤判
• 監控自己也會出錯。錯誤收集管線的錯誤不能再進收集管線，不然就是遞迴自爆。collector 的例外只走檔案 log，把這個環斷掉
• 效能樣本表沒設 retention 前曾無限長大。任何自動累積的表，建表當天就要決定刪除策略

小結

指紋去重讓爆量變計數，規則式解讀讓知識資料化，樣本加離線匯出讓分析不擾生產，health 只答自己。品質週到此結束，明日起進入 Migration 篇。Day 23：怎麼把十幾年的舊系統資料撈出來。