Node 出现 uncaughtException 之后的优雅退出方案
Node 的异步特性是它最大的魅力，但是在带来便利的同时也带来了不少麻烦和坑，错误捕获就是一个。由于 Node 的异步特性，导致我们无法使用 try/catch 来捕获回调函数中的异常，例如:
try { console.log('进入 try/catch'); require('fs').stat('SOME_FILE_DOES_NOT_EXIST', function readCallback(err, content) { if (err) { throw err; // 抛出异常 } }); } catch (e) { // 这里捕获不到 readCallback 函数中抛出的异常 } finally { console.log('离开 try/catch'); }
运行结果是:
进入 try/catch 离开 try/catch test.js:7 throw err; // 抛出异常 ^ Error: ENOENT, stat 'SOME_FILE_DOES_NOT_EXIST'
上面代码中由于 fs.stat 去查询一个不存在的文件的状态，导致 readCallback 抛出了一个异常。由于 fs.read 的异步特性，readCallback 函数的调用发生在 try/catch 块结束之后，所以该异常不会被 try/catch 捕获。之后 Node 会触发 uncaughtException 事件，如果这个事件依然没有得到响应，整个进程(process)就会 crash。
程序员永远无法保证代码中不出现 uncaughtException，即便是自己代码写的足够小心，也不能保证用的第三方模块没有 bug，例如:
var deserialize = require('deserialize'); // 假设 deserialize 是一个带有 bug 的第三方模块 // app 是一个 express 服务对象 app.get('/users', function (req, res) { mysql.query('SELECT * FROM user WHERE id=1', function (err, user) { var config = deserialize(user.config); // 假如这里触发了 deserialize 的 bug res.send(config); }); });
如果不幸触发了 deserialize 模块的 bug，这里就会抛出一个异常，最终结果是整个服务 crash。
当这种情况发生在 Web 服务上时结果是灾难性的。uncaughtException 错误会导致当前的所有的用户连接都被中断，甚至不能返回一个正常的 HTTP 错误码，用户只能等到浏览器超时才能看到一个no data received 错误。
这是一种非常野蛮粗暴的异常处理机制，任何线上服务都不应该因为 uncaughtException 导致服务器崩溃。一个友好的错误处理机制应该满足三个条件:
- 对于引发异常的用户，返回 500 页面
- 其他用户不受影响，可以正常访问
- 不影响整个进程的正常运行
很遗憾的是，保证 uncaughtException 不影响整个进程的健康运转是不可能的。当 Node 抛出uncaughtException 异常时就会丢失当前环境的堆栈，导致 Node 不能正常进行内存回收。也就是说，每一次 uncaughtException 都有可能导致内存泄露。
既然如此，退而求其次，我们可以在满足前两个条件的情况下退出进程以便重启服务。
用 domain 来捕获异步异常
普遍的思路是，如果可以通过某种方式来捕获回调函数中的异常，那么就不会有uncaughtException 错误导致的崩溃。为了解决这个问题，Node 0.8 之后的版本新增了 domain 模块，它可以用来捕获回调函数中抛出的异常。
domain 主要的 API 有 domain.run 和 error 事件。简单的说，通过 domain.run 执行的函数中引发的异常都可以通过 domain 的 error 事件捕获，例如:
var domain = require('domain'); var d = domain.create(); d.run(function () { setTimeout(function () { throw new Error('async error'); // 抛出一个异步异常 }, 1000); }); d.on('error', function (err) { console.log('catch err:', err); // 这里可以捕获异步异常 });
通过 domain 模块，以及 JavaScript 的词法作用域特性，可以很轻易的为引发异常的用户返回 500 页面。以 express 为例:
var app = express(); var server = require('http').createServer(app); var domain = require('domain'); app.use(function (req, res, next) { var reqDomain = domain.create(); reqDomain.on('error', function (err) { // 下面抛出的异常在这里被捕获 res.send(500, err.stack); // 成功给用户返回了 500 }); reqDomain.run(next); }); app.get('/', function () { setTimeout(function () { throw new Error('async exception'); // 抛出一个异步异常 }, 1000); });
上面的代码将 domain 作为一个中间件来使用，保证之后 express 所有的中间件都在 domain.run函数内部执行。这些中间件内的异常都可以通过 error 事件来捕获。
尽管借助于闭包，我们可以正常的给用户返回 500 错误，但是 domain 捕获到错误时依然会丢失堆栈信息，此时已经无法保证程序的健康运行，必须退出。Node http server 提供了 close 方法，该方法在调用时会停止 server 接收新的请求，但不会断开当前已经建立的连接。
reqDomain.on('error', function () {
try {
// 强制退出机制
var killTimer = setTimeout(function () {
process.exit(1);
}, 30000);
killTimer.unref(); // 非常重要
// 自动退出机制，停止接收新链接，等待当前已建立连接的关闭
server.close(function () {
// 此时所有连接均已关闭，此时 Node 会自动退出，不需要再调用
process.exit(1) 来结束进程
});
} catch(e) {
console.log('err', e.stack);
}
});
这个例子来自 Node 的文档。其中有几个关键点：
- Node 有个非常好的特性，所有连接都被释放后进程会自动结束，所以不需要再
server.close方法的回调函数中退出进程 - 强制退出机制: 因为用户连接有可能因为某些原因无法释放，在这种情况下应该强制退出整个进程。
killTimer.unref(): 如果不使用unref方法，那么即使 server 的所有连接都关闭，Node 也会保持运行直到killTimer的回调函数被调用。unref可以创建一个"不保持程序运行"的计时器。- 处理异常时要小心的把异常处理逻辑用 try/catch 包住，避免处理异常时抛出新的异常
通过 domain 似乎就已经解决了我们的需求: 给触发异常的用户一个 500，停止接收新请求，提供正常的服务给已经建立连接的用户，直到所有请求都已结束，退出进程。但是，理想很丰满，现实很骨感，domain 有个最大的问题，它不能捕获所有的异步异常！。也就是说，即使用了 domain，程序依然有因为 uncaughtException crash 的可能。
所幸的是我们可以监听 uncaughtException 事件。
uncaughtException 事件
uncaughtException 是一个非常古老的事件。当 Node 发现一个未捕获的异常时，会触发这个事件。并且如果这个事件存在回调函数，Node 就不会强制结束进程。这个特性，可以用来弥补domain 的不足:
process.on('uncaughtException', function (err) {
console.log(err);
try {
var killTimer = setTimeout(function () {
process.exit(1);
}, 30000);
killTimer.unref();
server.close();
} catch (e) {
console.log('error when exit', e.stack);
}
});
uncaughtException 事件的缺点在于无法为抛出异常的用户请求返回一个 500 错误，这是由于uncaughtException 丢失了当前环境的上下文，比如下面的例子就是它做不到的:
javascript app.get('/', function (req, res) { setTimeout(function () { throw new Error('async error'); // uncaughtException, 导致 req 的引用丢失 res.send(200); }, 1000); }); process.on('uncaughtException', function (err) { res.send(500); // 做不到，拿不到当前请求的 res 对象 });
最终出错的用户只能等待浏览器超时。
domain + uncaughtException
所以，我们可以结合两种异常捕获机制，用 domain 来捕获大部分的异常，并且提供友好的 500 页面以及优雅退出。对于剩下的异常，通过 uncaughtException 事件来避免服务器直接 crash。
代码如下:
var app = express(); var server = require('http').create(app); var domain = require('domain'); // 使用 domain 来捕获大部分异常 app.use(function (req, res, next) { var reqDomain = domain.create(); reqDomain.on('error', function () { try { var killTimer = setTimeout(function () { process.exit(1); }, 30000); killTimer.unref(); server.close(); res.send(500); } catch (e) { console.log('error when exit', e.stack); } }); reqDomain.run(next); }); // uncaughtException 避免程序崩溃 process.on('uncaughtException', function (err) { console.log(err); try { var killTimer = setTimeout(function () { process.exit(1); }, 30000); killTimer.unref(); server.close(); } catch (e) { console.log('error when exit', e.stack); } });
其他的一些问题
express 中异常的处理
使用 express 时记住一定不要在 controller 的异步回调中抛出异常，例如:
app.get('/', function (req, res, next) { // 总是接收 next 参数
mysql.query('SELECT * FROM users', function (err, results) {
// 不要这样做
if (err) throw err;
// 应该将 err 传递给 errorHandler 处理
if (err) return next(err);
});
});
app.use(function (err, req, res, next) {
// 带有四个参数的 middleware 专门用来处理异常
res.render(500, err.stack);
});
和 cluster 一起使用
cluster 是 node 自带的负载均衡模块，使用 cluster 模块可以方便的建立起一套 master/slave 服务。在使用 cluster 模块时，需要注意不仅需要调用 server.close() 来关闭连接，同时还需要调用cluster.worker.disconnect() 通知 master 进程已停止服务:
var cluster = require('cluster'); process.on('uncaughtException', function (err) { console.log(err); try { var killTimer = setTimeout(function () { process.exit(1); }, 30000); killTimer.unref(); server.close(); if (cluster.worker) { cluster.worker.disconnect(); } } catch (e) { console.log('error when exit', e.stack); } });
不要通过 uncaughtException 来忽略错误
当 uncaughtException 事件有一个以上的 listener 时，会阻止 Node 结束进程。因此就有一个广泛流传的做法是监听 process 的 uncaughtException 事件来阻止进程退出，这种做法有内存泄露的风险，所以千万不要这么做:
javascript process.on('uncaughtException', function (err) { // 不要这么做 console.log(err); });
pm2 对于 uncaughtException 的额外处理
如果你在用 pm2 0.7.1 之前的版本，那么要当心。pm2 有一个 bug，如果进程抛出了uncaughtException，无论代码中是否捕获了这个事件，进程都会被 pm2 杀死。0.7.2 之后的 pm2 解决了这个问题。
要小心 worker.disconnect()
如果你在退出进程时希望可以发消息给监控服务器，并且还使用了 cluster，那么这个时候要特别小心，比如下面的代码:
var udpLog = dgram.createSocket('udp4'); var cluster = require('cluster'); process.on('uncaughtException', function (err) { udpLog.send('process ' + process.pid + ' down', /* ... 一些发送 udp 消息的参数 ...*/); server.close(); cluster.worker.disconnect(); });
这份代码就不能正常的将消息发送出去。因为 udpLog.send 是一个异步方法，真正发消息的操作发生在下一个事件循环中。而在真正的发送消息之前 cluster.worker.disconnect() 就已经执行了。worker.disconnect() 会在当前进程没有任何链接之后，杀掉整个进程，这种情况有可能发生在发送 log 数据之前，导致 log 数据发不出去。
一个解决方法是在 udpLog.send 方法发送完数据后再调用 worker.disconnect:
var udpLog = dgram.createSocket('udp4'); var cluster = require('cluster'); process.on('uncaughtException', function (err) { udpLog.send('process ' + process.pid + ' down', /* ... 一些发送 udp 消息的参数 ...*/, function () { cluster.worker.disconnect(); }); server.close(); // 保证 worker.disconnect 不会拖太久.. setTimeout(function () { cluster.worker.disconnect(); }, 100).unref(); });
小节
说了这么多，结论是，目前为止(Node 0.10.25)，依然没有一个完美的方案来解决任意异常的优雅退出问题。用 domain 来捕获大部分异常，并且通过 uncaughtException 避免程序 crash 是目前来说最理想的方案。回调异常的退出问题在遇到 cluster 以后会更加复杂，特别是对于连接关闭的处理要格外小心。
参考文章
感谢田永强对本文的审校。
转自：http://www.infoq.com/cn/articles/quit-scheme-of-node-uncaughtexception-emergence
