前端监控系统

前端的监控主要分为三个方面: 性能监控

  • 白屏时间;
  • 首屏时间;
  • 用户可交互时间;
  • 总下载时间;
  • TCP连接时间;
  • HTTP请求时间;
  • HTTP响应时间;

异常监控 监控客户端脚本发生的报错,前端报错受网络,机型,业务逻辑影响而且大部分错误难以还原现场

需要对客户端服务进行基于用户行为的监控 数据监控做精益的数据分析

  1. 页面PV,UV可能直接影响转化率
  2. 从用户访问页面的顺序挖掘使用习惯(等等)

传统解决方案及缺陷
传统前端监控解决方案:Sentry,Badjs,jsTracker,GrowingIo

要实现监控,首先要采集指标

性能指标

这里要针对的主要是白屏时间、首屏时间、用户可操作、总下载时间。 不要使用setTimeout和setInterval方法,因为在单线程执行引擎中,异步队列的执行是不能确保执行时间推荐 <doctype html>

<html>

<head>

<script type="text/javascript">

var timerStart = Date.now();

</script>

****

</head>

<body>

****

<script type="text/javascript">

$(document).ready(function() {

console.log("DOMready 时间 ", Date.now()-timerStart);

});

$(window).load(function() {

console.log("所有资源加载完成时间: ", Date.now()-timerStart);

});

</script>

</body>

</html> 另一种优雅的解决方案是直接使用window.performance接口:

异常指标主动捕获异常方案主要是 onError 和 addEventListener,onError 在 IE6 开始就支持了,所以 大部分系统的主动采集是使用的 onError。这里注意浏览器的同源性策略(CORS),在高级浏览器中如果浏览器捕获到了错误信息,如果 JS 文件所在的域名(如:meituan.com)和当前的页面地址(如:dianping.com)是跨域的,那么引擎会自动把onError 中的参数 替换为 script error,此时无法获取行列数以及报错详细信息。解决方案是在标签引入时加上crossorigin字段。

虽然传统方法能够自动catch大部分错误,但是也伴随着以下缺陷:

  1. 部分应用在不同网络,机型上表现不同,开发人员需要获取到更详细的分类信息,传统系统很难做分类聚合,开发面对几十页分类的table无从下手。
  2. 错误与错误之间往往成相关性,但是在传统系统中catch到的错误都是孤立的,没有基于用户行为的分析。
  3. 针对异常的告警配置不够灵活,无法满足开发需求:大部分异常告警指标伴随高低峰期波动,没有一成不变的指标,而传统告警平台都是采用绝对阈值的告警方案,要么高峰期误报太多,要么低峰期错误无法发现。

数据指标

新解决方案

伴随着上面讨论的问题,我们寻求新的解决方案,一种高可用的监控方案。它应该具有如下特征:

  1. 全量采集:监控指标健全,端到端采集全量的性能指标,关键执行方法,业务指标,覆盖率做到2个9以上。
  2. 无需埋点:全量上报,无需开发人员手动埋点,从根本上杜绝错埋和漏埋
  3. 查询便捷:能够按照地域,机型,操作系统,浏览器版本,网络状况等多个维度进行数据查询,最好支持全文搜索,分类聚合。
  4. 场景还原:根据打点信息,还原用户从登陆开始一系列操作,建立基于用户行为的时序图。
  5. 实时性强:秒级查询,上线后能立即看到优化效果并指导下一步优化。
  6. 智能告警:采用静态阈值和动态阈值结合的方式,兼顾高低峰,减少误报漏报。并针对业务数据建立告警指标,发现系统深层次问题。

根据这些需求,我们团队打造了一套全新的监控体系,新系统采用了无埋点SDK(小程序),ELK做本地化日志存储,并使用了基于动态阈值的告警策略。下面是系统架构图:

目前监控平台:实时数据监控平台prajna,实时错误日志平台CAT和 打点日志平台GALAXY。

prajna上实时可查数据,理想情况下有对各个指标有相关域值,可查看当日异常数据情况

CAT上可以观测到当天的异常报错数据,对比前一天和上周同一天同事间段的数据,是否错误异常。

GALAXY上可以收集到当日之前的打点数据,可以拉取前一天和上周同一天同事间段的数据来模拟当日的数据。

document渲染完成最准确的是chrome.debugger提供的timeline-Layout接口,详细可以参考官方文档 https://link.juejin.im/?target=https%3A%2F%2Fdevelopers.google.com%2Fweb%2Ftools%2Fchrome-devtools%2Fevaluate-performance%2Fperformance-reference

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342

推荐阅读更多精彩内容