发生了什么
电池在运行过程中会持续向服务端上报自身状态,其中一项是几个位置的温度。服务端收到上报后,按固定位置把这几处温度存进时序库(一种专门按时间戳存数值的数据库),后台的曲线和告警都从这份数据里取。
上报协议不止一种,各协议能报的温度个数不一样:有的协议把四个位置都报全,有的协议只报两个。此前「这一位没有值」是用协议约定的无效数字表示的(传感器无效时上报的固定数字),写库程序也一直分两套取值方式:四个位置逐个取的新格式,和只取前两个位置的旧格式。
这次需求是把温度存储从两个位置扩到四个位置。新协议还调整了顺序,环境温度从第二位挪到了第三位。开发实现时按新顺序把四个位置排好,协议没报的位置统一留空,让数组长度固定为四个。
发布第一台节点后,只报两个温度的旧协议数据在写库时抛了空指针。这批数据补齐后是「第一位有值、第二位空、第三位有值、第四位空」,写库程序判断它不是完整的新格式,落进了只读前两位的旧格式分支,读第二位时拿到的是空值,取值就抛了空指针。
错误日志集中在心跳相关的处理上,条数涨得很快;这批旧协议数据没有写进时序库。发布被终止,并从已经发布的节点里拉回一个继续提供服务。记录对这一段的判断是本次没有造成实际影响。
本质
一句话:新代码用空值表示「这个协议不报这一位」,写库那段却仍按「元素有值就是新格式」来判格式;补出来的空值把数据推回旧格式分支,旧格式分支又按有值去取那一位。
- 原流程。写库程序只面对两种形态:四个位置都有数字的上报,和只处理前两个位置的旧数据。两套取值方式都假设要取的位置上一定有数字,旧格式那一套从上线起就没见过空值。
- 这次改动。温度从两位扩到四位,位置顺序也跟着硬件协议改了,环境温度从第二位挪到第三位。开发把缺失位置用空值补齐,让不同协议的数据都变成四个位置。
- 出错的一步。补空值只解决了「数组有多长」,没有解决「这一位到底有没有」,还换了一种此前没出现过的表示:以前缺值填的是无效数字(仍然是数字),这次填的是空值。写库判断走哪一套时看的仍是元素有没有值:第二位是空,就被判成旧格式;旧格式分支直接按下标取第二位的短整型,空值在拆箱(把包装类型的空值取成基本类型)时抛空指针。
- 结果。整条数据在写库这一步中断,这批旧协议的上报全部没入库,异常按条打印,几分钟内把正常日志淹掉。
- 为什么没被拦住。开发评估时没识别到「有一种协议只报两个温度」;测试用例评审时以「这种协议不支持上报四个温度」判定不涉及,没有测这条路径;开发实现中虽然发现协议顺序变了并补了兼容,但兼容只做到「拼出四个位置」,没做到「取值时容忍空位」。
空值占位只是把「缺失」从协议里挪进了数组,读取这份数据的地方只要还按有值处理,缺失就会在那里变成一次异常。
修复方向是:在转换这一层就把「协议没报这一位」换成协议里已经用着的无效值,或者随数据带一个显式的「哪些位置有效」标记,让写库判断格式时不再依赖元素是否为空;写库取值前逐个位置判空,缺位按无效值落库并单独计数。记录里只写了终止发布和拉回节点,后续的修复与验证情况没有说明。
错误代码
// 把某协议上报的温度按新顺序补成四个位置(脱敏教学示例)
class TemperatureConverter {
Short[] convert(String protocol, short[] reported) {
Short[] slots = new Short[4];
slots[0] = reported[0]; // 第一位:新顺序下各协议都会报
slots[2] = reported[1]; // 第三位:环境温度,新顺序里从第二位挪过来
// 为什么错:协议没报的位置一律留空,用「没有值」冒充「没有这一位」
return slots; // 只报两个温度的协议,第 2、4 位是空
}
}
class MonitorWriter {
void write(Short[] raw) {
// 为什么错:用元素是否为空判断是不是新格式,缺位把数据推向旧格式分支
boolean complete = raw[1] != null && raw[3] != null;
if (complete) {
save(raw[0], raw[1], raw[2], raw[3]);
} else {
// 为什么错:旧格式分支假设前两位一定有值,直接把空值取成 short
short env = raw[1]; // 补位后这里是空,拆箱抛空指针
save(raw[0], env);
}
}
}
修复代码示例
// 修复方向:缺位在转换处就换成协议约定的无效值,并显式标出哪些位置有效
class TemperatureConverter {
private static final short INVALID = -127; // 协议中表示「无此温度」的固定值
TemperatureFrame convert(String protocol, short[] reported) {
short[] slots = { INVALID, INVALID, INVALID, INVALID };
slots[0] = reported[0];
slots[2] = reported[1];
// 修复:两位协议明确标成「只有第 1、3 位有效」,不再靠空值表达缺失
return new TemperatureFrame(protocol, slots,
new boolean[] { true, false, true, false });
}
}
class MonitorWriter {
void write(TemperatureFrame frame) {
// 修复:按位置有效性取值,缺位落无效值并计数,不再按格式猜
for (int i = 0; i < 4; i++) {
if (!frame.isValid(i)) invalidCounter.increment();
}
save(frame);
}
}
下次遇到这些场景要警惕
- 给多种协议共用的字段扩容时:先把所有协议版本和各自能报的字段数列全,逐个协议造一条真实报文,跑完「解析→转换→落库」整条路径。字段数最少的那个协议必须单独跑,不能因为「它不支持新字段」就排除在外。
- 要用占位表达「这份数据没有这一项」时:在写入侧就换成协议已有的无效值,或者随数据带一个显式的有效位标记;然后搜出所有读这份数据的地方,确认没有一处再靠「元素为空」判断格式,也没有一处直接取值。
- 测试用例评审里出现「上游不支持,所以不涉及」的结论时:把它当成必须覆盖的分支。新增代码要处理的恰恰是「协议给不全」这种输入,不支持本身就是一个用例。
- 发布按节点逐步推进时:第一台起来后先看新增字段相关日志的错误计数,以及写入条数与上报条数是否对得上,再决定是否继续往下发。