如何在 Java 中利用 ExceptionUtils 在日志中打印过滤掉冗余框架信息的精简异常堆栈

排查线上异常时，最头疼的莫过于面对动辄几百行的堆栈日志。满屏的 org.springframework.*、ja vax.servlet.* 调用链，把真正导致问题的业务代码埋得严严实实。有没有办法让日志直击要害，只展示我们关心的核心错误信息？

答案是肯定的。借助 Apache Commons Lang 库中的 ExceptionUtils 工具类，我们可以快速剥离层层包装，直达异常根源。它能提取最内层的业务异常，过滤掉冗余的框架堆栈信息，让日志变得清晰、聚焦，从而大幅提升问题定位的效率。

引入依赖确保可用 ExceptionUtils

首先，确保你的项目已经引入了 commons-lang3 依赖。推荐使用 3.12.0 及以上版本，以获得更完整的功能支持。

  org.apache.commons
  commons-lang3
  3.14.0

这里有个关键细节需要注意：务必使用 commons-lang3，而不是旧的 commons-lang（2.x 版本）。后者并不包含我们接下来要用到的现代过滤方法。

用 getRootCause + getStackTrace 聚焦根本原因

在复杂的业务系统中，一个底层的原始异常（比如 SQLException 或 NullPointerException）常常会被业务层、框架层多次包装，最终抛出的可能是一个 RuntimeException → ServiceException → WebException 的复合体。如果直接调用 e.printStackTrace()，关键信息很容易被淹没在层层调用帧里。

这时，ExceptionUtils 的组合拳就派上用场了：

• ExceptionUtils.getRootCause(e)：这个方法像一把手术刀，能穿透所有包装，直接拿到最内层、最原始的异常对象。
• ExceptionUtils.getStackTrace(cause)：拿到根源异常后，再用这个方法获取它的堆栈字符串。这样一来，打印出的日志就只包含这个根本原因的调用链，外层包装类的无关信息都被剔除了。

看看具体的代码示例：

import org.apache.commons.lang3.exception.ExceptionUtils;

try {
    // 你的业务逻辑
} catch (Exception e) {
    Throwable root = ExceptionUtils.getRootCause(e);
    log.error("业务异常: {} \n{}", root, ExceptionUtils.getStackTrace(root));
}

进一步精简：用 getRootCauseStackTrace 过滤框架包名

有时候，即使拿到了根源异常的堆栈，里面可能仍然混杂着大量 Spring、Servlet 或其他框架的调用信息。对于只想关注自身业务代码的开发者来说，这还不够“干净”。

别急，还有更精细的过滤方法：

• ExceptionUtils.getRootCauseStackTrace(e)：这个方法返回一个字符串数组（String[]），数组的每个元素就是堆栈中的一行。这给了我们按行处理、自由过滤的可能性。
• 你可以遍历这个数组，手动过滤掉包含特定包名（如 org.springframework.*）的行，只保留以你公司业务包名（例如 com.yourcompany.service.*）开头的行，或者保留关键的“Caused by:”行。

下面是一个轻量级的过滤示例：

String[] trace = ExceptionUtils.getRootCauseStackTrace(e);
List cleanTrace = Arrays.stream(trace)
    .filter(line -> line.contains("com.yourcompany.") ||
                    line.contains("Caused by:") ||
                    line.startsWith("\tat "))
    .collect(Collectors.toList());
log.error("精简堆栈:\n{}", String.join("\n", cleanTrace));

配合 SLF4J MDC 实现上下文增强

精简了堆栈，定位问题已经快了很多。但如果能在日志中直接看到是哪个用户、哪次请求触发的异常，排查效率还能再上一个台阶。这就需要 SLF4J 的 MDC（Mapped Diagnostic Context，映射诊断上下文）来帮忙了。

其核心思路是，在捕获异常之前，将关键的上下文信息放入线程绑定的 MDC 中：

• MDC.put("traceId", UUID.randomUUID().toString())：为当前请求生成一个唯一追踪ID。
• MDC.put("userId", currentUser.getId())：放入当前用户ID。

然后，在 Logback 等日志框架的配置文件中，使用 %X{traceId} 这样的占位符。这样，每条日志都会自动带上这个追踪标识。当精简后的异常堆栈和清晰的请求上下文同时出现在日志里时，定位问题几乎可以做到“秒级”响应。

总结来说，将 ExceptionUtils 的精准提取、过滤能力，与 MDC 的上下文追踪能力相结合，是从日志海洋中快速捞针的有效策略。这套组合技能让你的异常日志从“噪音”变为清晰的“信号”，真正成为高效运维的得力助手。