分布式调度异常治理需在框架拦截点分层捕获：XXL-JOB在execute()或自定义handler中处理，Elastic-Job在execute(ShardingContext)或JobListener中捕获，Quartz在execute(JobExecutionContext)中抛JobExecutionException；须区分业务异常（WARN）、系统异常（ERROR）及分布式特有异常（RPC/ZK/DB），日志必含任务名、分片项、触发时间、IP、堆栈及脱敏参数，并联动ELK告警与MDC全链路追踪。
在分布式调度场景中（如使用 XXL-JOB、Elastic-Job、Quartz 集群等），任务执行失败往往不是单机异常那么简单，需兼顾远程调用失败、节点失联、幂等冲突、网络超时、序列化异常等多种情况。捕获并记录日志的关键不在于“有没有 try-catch”，而在于在哪一层捕获、捕获哪些异常、是否保留上下文、日志是否可追溯。
明确调度框架的异常拦截点
不同框架提供不同的扩展入口，应优先使用其原生异常处理机制，而非在业务方法里盲目包裹：
-
XXL-JOB：实现
JobHandler时，在execute()方法内捕获；更推荐继承IJobHandler并重写handle()，或通过@XxlJob注解方法 + 全局异常处理器（如 Spring 的@ControllerAdvice对 JOB 不生效，需用XXLJobSpringExecutor.setJobHandler()注册自定义 handler） -
Elastic-Job：实现
SimpleJob或DataflowJob，在execute(ShardingContext)中统一 try-catch；也可注册JobListener（如SimpleJobListener）监听执行前后和异常 -
Quartz：实现
Job接口，在execute(JobExecutionContext)中捕获；推荐配合JobExecutionException抛出，控制是否重试（setRefireImmediately(true)）
捕获关键异常类型，避免吞掉致命错误
不要只 catch Exception，要分层识别并差异化处理：
-
业务异常（如
IllegalArgumentException、自定义BizException）：记录 WARN 级别日志，通常不重试，需人工介入 -
系统异常（如
NullPointerException、ConcurrentModificationException）：记录 ERROR 级别，属代码缺陷，应报警并修复 -
分布式特有异常：
- RPC 调用失败（
FeignException、DubboTimeoutException）→ 记录 ERROR，含 URL、超时时间、响应码 - ZooKeeper 连接断开（
KeeperException）、Etcd 通信失败 → 记录 ERROR，并标记调度中心不可用 - 数据库乐观锁失败（
OptimisticLockException）或唯一键冲突 → 记录 INFO/WARN，属正常并发场景，可跳过或告警
- RPC 调用失败（
记录日志必须带上下文，否则无法定位问题
仅记 “任务执行失败” 毫无价值。每条 ERROR/WARN 日志至少包含：
立即学习“Java免费学习笔记（深入）”；
-
调度上下文：任务名（
jobName）、分片项（shardingItem）、调度时间（triggerTime）、执行机器 IP/hostname -
异常快照：异常类名、完整堆栈（
e.printStackTrace()不推荐，用 SLF4J 的logger.error("msg", e)）、根因（递归e.getCause()直到 null） - 业务参数快照（脱敏后）：如订单 ID、用户 ID、关键入参 JSON 字符串（避免记录密码、手机号明文）
-
重试信息：当前第几次执行（
context.getJobRunTimes()）、是否为重试（context.isReFire()）
结合监控与告警，让日志真正发挥作用
日志只是线索，需联动其他手段：
- 将 ERROR 日志同步推送至 ELK 或 Loki，配置 Kibana 告警规则（如 “5 分钟内同一 jobName 失败 ≥3 次”）
- 对高频失败任务自动暂停，并通知负责人（可通过调度平台 API 或企业微信机器人）
- 在日志中打上 MDC（Mapped Diagnostic Context）字段，如
MDC.put("jobId", "order_timeout_clean")，方便全链路检索 - 避免日志刷屏：对瞬时重试（如网络抖动）做简单计数限流，相同异常 1 分钟内只记首条
不复杂但容易忽略：异常日志不是记下来就完事，而是要能快速反查任务触发源头、还原执行环境、判断是否需人工止损。从框架拦截点入手，分类型捕获，带全上下文记录，再连通监控闭环——这才是分布式调度下可靠异常治理的做法。
