线上出问题了（接口慢、报错、内存涨），怎么快速定位？这篇快速入门：排查思路（套路化流程）+ 神器 Arthas（在线诊断 Java，不用重启）。

一、解决什么问题：线上问题不能"想当然"

线上问题特征：环境复杂、不能随便重启、日志可能不全。排查要有套路，不能瞎猜：

① 看监控（是不是整体挂了？）→ ② 看日志（报什么错？）→ ③ 定位到代码 → ④ 修复验证

二、排查四步法

① 看监控（《Prometheus》）：CPU/内存涨了？错误率升了？哪个服务？——先定位"在哪"

② 看日志（《日志收集》）：按 traceId 搜该请求的全链路日志，看报什么错——定位"为什么"

③ 定位代码：日志指向哪个方法？参数是什么？——定位"哪段代码"

④ 修复验证：改代码 → 发版 → 看监控回落

三、神器：Arthas（Java 在线诊断）

Arthas 是阿里开源的 Java 诊断工具——挂到运行中的进程上，不用重启就能查：

java -jar arthas-boot.jar          # 启动，选择要诊断的进程

# 常用命令
dashboard                            # 总览：线程、内存、CPU 概况
thread -n 3                          # 最忙的 3 个线程（查死循环/阻塞）
trace com.example.OrderService pay   # 跟踪 pay 方法，看每步耗时（查慢在哪）
watch com.example.OrderService pay '{params, returnObj}'  # 看入参和返回值
jad com.example.OrderService         # 反编译线上代码，确认线上跑的版本

典型场景：接口突然慢 → trace 看哪一步耗时最高 → 发现是数据库查询慢 → 查 SQL。

四、其他常用手段

手段	场景
jstack	看线程栈（死锁、卡死）
jmap -heap	看堆内存（OOM 排查）
dump + MAT	内存溢出时导出堆快照分析
开关/降级	紧急止血：关掉故障功能，先恢复再说

小结

• 排查套路：监控 → 日志 → 代码 → 修复验证
• Arthas 在线诊断：dashboard / thread / trace / watch / jad，不用重启
• 紧急情况先"止血"（降级/开关），再慢慢查根因
• 日志要带 traceId，才能全链路串起来

想了解更系统的可观测性（指标+日志+链路三位一体），看「监控告警与日志收集」（文章整理中）。