您如何解決不可重現的問題，隨機性和變化不能立即測試？

Question

以爲我會把這個扔到那裏，看看別人的經歷是什麼樣的。

我遇到系統在工作中停止處理隊列中的作業和'卡紙'可以這麼說的問題。一旦服務重新啓動，軟件將處理隊列，一切恢復正常。

以我迄今爲止的經驗，我不能爲我的生活找出是什麼導致這些停工。那，我不能自己再造停工。隊列在所有不同的時間間隔都會失敗，有時會連續運行一個月，其他時間則會在一天內兩次失敗。此後，我涉及到兩個不同的供應商和部門內的各種同事，每個人都被困住了，並且已經持續了好幾個月。

自從我開始以來，我們已將處理隔離到單個服務器，並啓動了我們發送給供應商的日誌記錄。也不知道問題是什麼。

我們已經更新了一些設置，升級客戶端和服務器部分，但我們不知道我們正在做的事情是否有助於整體解決方案。

所以我有一個問題，似乎是不可重複的，隨機的和不可測的。

有沒有人蔘與過類似的情況？ 解決這種情況的方法有哪些？

任何共享輸入或經驗都會很好。

乾杯，

編輯：：拍成記錄，更新了所有組件的最新版本，並確保適當的防病毒排除中進行，到目前爲止，還沒有超過卡在月！

Answer 1

使用可在生產中打開的日誌記錄框架。您可能最初必須記錄太多日誌，但它應該有助於縮小問題的範圍，並且隨着距離越來越近，您可以縮小日誌範圍，同時增加剩餘日誌語句的詳細程度（這是一個詞）。

Answer 2

除了凱利指出的日誌記錄之外，還有可能發生死鎖，因爲事情似乎停止了。如果這是一個Java應用程序，一種選擇是使用jconsole並連接到JVM實例。 jconsole有一個檢測死鎖選項，可以在發生掛機時提供非常有價值的信息。

如果這不是Java應用程序，也可能是.NET應用程序，那麼可以使用此technique。