别让前端监控变成“数据坟场”:从错误采集到行为回放的架构级拆解

引言

先讲个真实场景。某电商大促前夜,运营反馈“支付页偶发白屏”,但研发本地复现不了。查日志——后端接口一切正常;查监控——只有一条 ChunkLoadError 孤零零躺着,没有用户 ID、没有路由、没有网络状态。三天后靠用户录屏才定位到:某个 lazily load 的 chunk 在 CDN 边缘节点 404,只在弱网 + 特定运营商下触发。

这就是大多数团队前端监控的真实处境:数据在收,但收到的是“尸检报告”而不是“现场录像”。错误上报只报了 message,性能指标只采了 loadTime,用户行为只记了 PV/UV。三张皮各自为战,出事时拼不出完整链路。

本文不聊“怎么接入 Sentry”这种装配工内容。我们要从采集原理 → 传输协议 → 关联建模 → 存储查询整条链路做架构级拆解,重点回答三个问题:

  1. 错误上报如何做到不丢、不重、可还原现场?
  2. 性能指标如何从“一堆数字”变成“可归因的瓶颈”?
  3. 用户行为如何与错误/性能在同一个 traceId 下对齐?

核心概念:把监控想象成“医院急诊系统”

前端监控的本质,和急诊科看病是一个道理:

医院急诊 前端监控 技术映射
分诊台 错误分级 error.type + severity
病历本 上下文快照 breadcrumb + context
生命体征仪 性能指标 PerformanceObserver
监控录像 行为回放 rrweb 类 DOM 快照
病历归档 存储与检索 列式存储 + 倒排索引

关键洞察:分诊台(采集)决定生死,病历本(上下文)决定能否确诊。大多数团队把 80% 精力花在“归档”(接个 SDK),却忽略了“病历本”的完整性——这才是定位问题的命门。

从技术定义上说,一个生产级前端监控系统必须同时具备四个能力:

  • 采集(Collect):无侵入、低开销地捕获错误/性能/行为
  • 关联(Correlate):用统一 traceId 把三类数据串成一条时间线
  • 传输(Transport):可靠、批量、可降级地上报
  • 消费(Consume):可聚合、可下钻、可告警

下面逐个拆到源码级。


源码/原理深度分析

1. 错误采集:window.onerror 的“三不管”地带

很多人以为 window.onerror 能兜住一切,实际上它有明确的盲区。看浏览器规范里 reportError 的触发路径,错误分为三类,捕获方式完全不同:

graph TD A[运行时错误] -->|window.onerror / error 事件| B[同步 JS 异常] C[资源加载错误] -->|捕获阶段 error 事件| D[img/script/link 404] E[Promise 拒绝] -->|unhandledrejection| F[async/await 未捕获] G[跨域脚本错误] -->|Script error.| H[需 CORS + crossorigin] B --> I[统一 ErrorReport] D --> I F --> I H --> I

坑点一:资源错误不冒泡。 error 事件在资源加载失败时不冒泡,必须用捕获阶段监听:

// 资源错误必须在捕获阶段监听,且 target 不是 window 才是资源错误
window.addEventListener(
  'error',
  (event: Event) => {
    const target = event.target as HTMLElement;
    // 区分:资源错误 target 是具体元素,运行时错误 target 是 window
    if (target && (target.tagName === 'IMG' || target.tagName === 'SCRIPT')) {
      report({
        type: 'resource',
        url: (target as HTMLImageElement).src,
        tag: target.tagName,
      });
    }
  },
  true // 关键:捕获阶段
);

坑点二:Script error. 的成因。 当脚本来自不同源且未声明 crossorigin 时,浏览器出于安全考虑把错误信息脱敏成 Script error.,message、filename、lineno 全部为空。这不是 bug,是 CORS 策略。解法是 CDN 响应头加 Access-Control-Allow-Origin,