5个新的Java异常检测工具

应用程序失败的原因有很多，有一些工具可以解决每一个可能的错误源，例如日志管理工具、错误跟踪器、性能监视解决方案等等。在下面的文章中，我们将介绍一些工具，这些工具专注于检测和预测异常何时可能发生。

1. X-Pack

X-Pack是麋鹿堆栈的扩展，提供异常检测。它使用的算法可以帮助用户了解日志的行为，检测日志何时不正常。该包依赖于日志作为其数据源，让用户了解特定指标可能对产品产生的影响以及用户对产品的体验。

主要特点：

检测Elasticsearch日志数据和度量中的异常

通过监视网络活动和用户行为来识别安全问题

识别通常导致异常的日志事件

2. Loom系统

Loom Systems为日志和度量中的异常检测提供了一个分析平台。它检测日志中的异常，并在操作分析中提供异常检测。

主要特点：

来自不同应用程序的自动日志解析和分析

建议的解决方案–基于公司的解决方案数据库

业务操作异常检测

3. OverOps

OverOps告诉你在生产中代码何时、何地以及为什么会中断。它是唯一一个为你提供整个调用堆栈中每个错误的完整源代码和变量状态的工具，并允许你在应用程序中引入新错误时主动检测。

主要特点：

对代码和变量状态的完全可视性，以自动再现任何错误

通过代码发布主动检测所有新的和关键的错误

不依赖日志文件的本机Java代理

使用任何StatsD投诉工具进行自定义异常检测可视化

无代码和配置更改，通过SaaS、Hybrid和内部部署在5分钟内安装

带有黑色主题的坏蛋仪表盘

4. Coralogix

Coralogix对日志数据进行聚类并识别相似性。该工具主要关注公共流，检测与之连接的日志消息，并在操作未导致预期结果时发出警报。

主要特点：

Loggregation–捆绑和汇总具有相同模式的日志

流量异常-识别连接动作，并检测其中的异常

基于版本的异常-指定仅在部署用户产品的新版本后发生的异常

5. Anodot

Anodot为用户提供异常检测系统和相关分析。他们的重点是检测任何类型数据库中的异常，以及识别业务相关数据中的异常。

主要特点：

相似日志的行为关联和分组

业务数据异常检测，在营销活动、点击和绩效指标中提供异常检测

警报处理–通过将类似异常分组为一个警报来减少噪音

异常检测有助于更好地了解生产应用程序，每个工具都有自己的方法来识别异常。探索每一个工具，并根据问题，根据给你带来最佳价值的工具做出最终决定。