我尽力了，为啥还是Bug不断？

99.999999999% 做技术的都会被问到或者被吐槽到：“你的程序怎么又出 Bug 了！”

反正，我作为程序员的内心世界是：如同一万只草泥马飞奔而过，难以压抑内心的激动，每次都差点忍不住想说“你写篇几百字的作文还有错别字呢，我码个几万行的代码还不允许出错了？“

可能同样是做技术的你此时在不断点头，哈哈。但是这么讲毕竟也缓解不了矛盾，我们还是得摆事实讲道理不是？

啥都不怕，就怕程序员有文化！所以，我想来带你好好分析一下这个事情，当你再遇到这个情况的时候，可以拿这些观点来反驳。（不是做技术的也可以了解下程序员的难处，谁没个难处呢，多多包容）

什么是 Bug

任何一个「问题」的产生，本身是没有好坏之分的，但是为什么会有的就不被 Care，甚至还会很喜欢，而有的会被吐槽呢？根本原因是因为产生了利益损失。

比如年前拼多多出问题送了很多无门槛券。作为一个用户，自然很喜欢，夸你夸到飞起，怎么会吐槽你呢。但是作为利益损失方，必然破口大骂，害我倾家荡产！

所以，如果没有产生利益损失，我想其他人也不会来找你吐槽。但是「问题」就等于「Bug」吗？我认为并不是，「问题」不等于「 bug」。

因为程序员的职责是什么？拿造房子来比喻的话，我认为最核心的工作真的和“搬砖”（非贬义词）无异，就是根据设计师（产品经理）设计好的设计图砌砖（编码），建成和设计图纸上一模一样的建筑。

所以，如果一个东西造出来与设计不符，那么它可以说是 Bug 或者缺陷（缺斤少两不完整）。

否则，并不是 Bug，但可以被称之为「漏洞」（完全没考虑到的），表示不在预料之内的情况。

之前看到过一个形象的比喻：你家里的窗可以从外面打开，那叫漏洞。你家里的窗打不开，那叫 Bug。

但是要承认，Bug 是必然存在的。为什么？它是如何出现的呢？

Bug 是如何出现的

正如前面所说，程序员做的是“造房子”的事情。这件事完整的步骤分为 3 步：

• 与产品经理讨论并确定功能。（确定一个可以实现的设计图纸）

• 将每个单独的元件抽象出来。（确定施工方案）

• 将相关的元件实现并进行组合，完成建设。（带上材料开始施工）

第一步，“与产品经理讨论并确定功能”主要是沟通，靠“看”和“理解”。

但是沟通本身是一个有损耗的过程，特别是在职责非常明确的组织中，产品经理啪啦啪啦讲了很多，到实际做的时候你必然还是会去翻阅需求原型、需求文档之类的重新理解一下。这个时候就是一个非常危险的时期。

比如像下面这个的答案是什么？

答案是 17？不对。我猜你可能没注意到这些地方：

为了让你有深刻的印象，这个举例可能比较刻意和夸张一些，但是我想在你的身边，由于没注意到或者理解有误的现象肯定很常见。

沟通是相互的，这锅只让程序员背的话的确太委屈了点。

第二步，“将每个单独的元件抽象出来”这主要是一个人抽象能力的体现。

但是抽象是啥？抽象是“透过现象看到本质”的能力，这个能力理论上是可以无限增长的。

随着你对相关信息的掌握越多，这个能力会越强，会无限趋近于 100%，但永远不会真正达到 100%，因为没人知道怎么才算 100%。

所以，当你具备的信息没那么多的时候，是不是就抽象的不是那么合理？不合理会导致什么？

虽然不会直接产生 Bug，但是会更容易产生 Bug。但是人不都是需要经历这么一个成长的过程么？

可以说，精通一项能力的背后都是踩着无数的 Bug 过来的。要么在来这个组织之前已经踩过了，要么在这个组织里踩。因此，前者的薪资也比后者高。

所以，如果过分苛求没有 Bug，等于是在扼杀每个人成长的机会，并且在透支未来的可能性。人会变得非常保守、不敢尝试新事物。

但是外部环境在不断变化，新事物总会被动的需要去接纳（技术的更新越来越快，趋势不可逆），然而对新事物的接受能力又得不到锻炼，一旦遇到这种情况，在接触新事物的时候会产生更多的问题（欠下的债总要还的）。

第三步，“将相关的元件实现并进行组合，完成建设”这就是实际的 Coding 过程，而 Coding 是一个主观的，完全由人主观掌控的事情。

人毕竟不是机器，不可能不犯错，就如前面提到的写文章的时候出现错别字一样。

可能你会说，有测试人员啊，测试的工作不就是通过逆向思维来给程序员查缺补漏吗？

的确是的，但测试的介入只是降低错误率，只是让不出现 Bug 的概率小数点后多几位，指望发现 100% 的问题还是不太现实的。至少在当下的条件下是这样，为什么呢？因为代码的本质是各种逻辑的组合。

比如，一个完整的业务流程有 10 个环节，每个环节有 3 种可能性，这是一个什么复杂度的系统？

3 ^ 10 = 59049 个分支（理论上存在的可能性数量），想要 100% 覆盖这些场景，付出的成本几乎是不可接受的。然而我们实际的系统中遇到的个别场景甚至还要复杂的多。

其实每个正在运行的系统都有 Bug，包括我们每天在使用一些热门系统（玩游戏的小伙伴们肯定熟悉“卡 Bug”这个词）。只是这些 Bug 有没有被执行到，有没有被发现，被多少人发现而已。

那么，我们只能举手投降吗？那倒不至于，办法还是有的。

减少 Bug 的惯性想法

首先最容易想到的一点是，增加测试人员。这也是最容易看得到“成本”的一种方式，毕竟招一个人就得支出一份工资啊。

所以，增加测试人员这个方案是最不容易被老板们采纳的方案。除非你可以说服这个人力成本的投入小于获得的价值。

另外，这个方案还增加了沟通成本，沟通的「隐性成本」其实非常大，但是往往容易被忽略。

其次会想到的就是程序员代码写的严谨一点，仔细一点啊。这也是一种缺啥补啥的惯性思维。

先撇开到底能不能达到严谨一点，仔细一点的目的。那怕达到了，他会产生什么结果呢？

可能是下面 3 种：

• 更多的条件验证

• 更多的单元测试

• 更多的抽象提炼

可以确定的是，这些工作会增加两样硬性的东西，投入的时间和整体的复杂度。时间很好理解，我们就来聊聊复杂度。

一个常识是，越简单的东西越不容易产生 Bug。比如 1+1=2，出现 Bug 的可能性无非就是加号写成了减号，1 写成了 4 之类。

但是，1+1=2，并且 1*1=1，并且 1/1=1 等等这些验证条件越多，那么由于验证条件自身的错误而产生问题的可能性反而更多。

所以，代码的复杂度和产生 Bug 的概率是成正比的，并且具有「边际效用递减」的效果。这就意味着，做更多的验证带来的收益会越来越小。

因此，这个方案哪怕真能执行到位，也不是一个特别好的方案。那有没有相对靠谱一些的办法呢？有，但需要我们换一个角度来看待这个问题。

换一个角度看待 Bug

既然无法 100% 避免 Bug，那我们可以换个角度考虑一下，如何让解决 Bug 的过程更快，甚至快到你都没有察觉。

解决 Bbug 主要就是做两件事：

• 找到 Bug 的产生点

• 然后修复它

每天都在解决 Bug 的程序员们应该知道，这事最费时间的是“找 Bug”的过程。

因为“修复 Bug”是一个技术性问题，这个对不同人的差异其实是很小的，因为程序员们每天在写的代码都是差不多的，非常同质化的，况且还有标准答案“文档”可以参考。

比如，都知道 string.concat() 是拼接，string.split() 是分割。该用分割的地方不小心用了拼接，那改掉就好。

但是“找 Bug”就不是这样了。比如，你刚刚改完一行代码后发布出现的问题，你不用找就知道问题出现在哪。但是让你排查一个刚接手没多久的系统肯定是一脸懵逼。

根本原因在于，这个过程不像技术性问题具有确定性，它是充满不确定性的，处在一个“混沌”的环境中。所以，对待 Bug 的重点就变成了：如何更快的发现和找到 Bug。

关于这点我的建议是：

• 打好日志

• 学会利用工具

• 每次的迭代规模尽可能的小

首先，打好日志。日志其实就是我们在编码的时候安插在程序中的“记录员”，它替我们记录着我们认为容易出现问题的地方所产生的信息。

但是系统无时无刻都在运行着，必然会产生大量的日志信息，如何从这些信息中快速的找到关键信息，就是需要考虑的问题。

另外，如果每个人都随意的用自己喜欢的记录日志的方式，那么从风格迥异的日志中找你需要的信息就变得很头疼，时间不一致，格式不一致等等。

所以，要做好打日志这个事情，就需要定义一个标准，比如必须要有时间，包含当前上下文的参数等等。

我们还可以给日志做一下归类，定义不同的日志级别，在记录的时候带上前缀。比如【info】、【warning】、【error】之类。

如此一来，平时更着重关注的就是 Error 级别的信息，而且由于将其他级别的信息剥离了出去，使得这里的数据量大大减少，更便于查看。

不过，日志记录毕竟是一个在做“预判”，如果日志中没有记录到怎么办呢？这里提醒大家不要先想着怎么调试。

如果你面对的系统是一个单体应用倒还好。如果你面对的是一个大型的分布式系统，调试的效率低不说，这事你一个人可能还完不成。

而且，如果你直接调试生产环境的话，说不准还会产生什么副作用，摊上新的问题。

找 Bug 本质上是一个排除法的过程，设断点调试也是如此。但是从起点开始一步一步的做，排除法效率太低了。

应该先通过自己的经验、拥有的部分信息先逻辑推理一下，缩小排查的范围。哪怕你最终还是需要调试的话，先做这个事情也会让后续的工作更高效一些。

第二点，利用工具。这里的“工具”不要简单的理解成利用“调试工具”。正如上面提到的，找 Bug 的本质是一个排除法的过程，那么任何能够帮你更高效的做排除法的工具都是可以利用的。

比如：

• 从系统的「事件查看器」中获取更多的环境信息。

• 利用 Windows 平台的 Windbg、Linux 平台的 MAT 之类的工具直接分析抓到的 Dump 文件。

• 借助可视化工具更高效的发现问题，如 FlameGraph 等。

另外，如果能主动的告诉你哪里出现 Bug 了，就更棒了。所以，我们可以搭建一套查看方便，信息同步及时的日志框架，以便让有价值的信息第一时间呈现在你的面前。如果有高效的筛选功能就更好了。

很多日志框架我没用过，就不发表什么言论了，但是 Elasticsearch + Logstash + Kibana 这套用起来还是很爽的，体系也比较成熟，部署起来也很简单，大家可以尝试一下。再配上 ElastAlert 或者 Sentinl，可以把实时预警机制也包含了。

最后，每次的迭代规模尽可能的小。这个说起来容易，做起来难，因为这是由整个团队的文化来决定的。这个点的内容完全可以单独开一篇讲，这里就简要阐述下。

MVP（Minimum Viable Product）式的小步快跑，其实除了让系统或者产品的功能演进更科学之外，还可以让每次迭代所面临的风险更小。正如前面提到的，你改一行代码发布上去，如果出问题，你说问题在哪？

相对的，再想象一下，一次性发布一个开发了半年的版本，前一晚能睡的安稳不？

总结

好了，我们总结一下。这篇先阐述了我对“什么是 Bug”的理解，然后分析了 Bug 是如何产生的，以及我们可能会做的一些惯性选择。

最后给你的建议是，以如何更快的找到 Bug 为出发点来考虑。通过「打好日志」、「学会利用工具」、「每次的迭代规模尽可能的小」这 3 种方式来进行。

不过话说回来，虽然我们无法避免出 Bug（一个项目开发完后没测出 Bug？你问任何一个技术人员都说“做梦呢”），但是争取让 Bug 更少是我们的本职工作。

因为对 Bug 容忍度低的另一层含义是，大家对系统的依赖越来越重，越来越多的事情在通过程序完成，而不是人力。但是再有人咄咄逼人，就把这篇文章丢给他！