排查线上异常时，最令人困扰的往往是面对动辄数百行的冗长堆栈日志。满屏的 org.springframework.*、ja vax.servlet.* 等框架调用链，将真正引发问题的核心业务代码层层掩盖。有没有一种方法，能让日志直击要害，只清晰展示我们关心的关键错误信息？
答案是肯定的。通过使用 Apache Commons Lang 库中的 ExceptionUtils 工具类，我们可以快速剥离异常的多层包装，直达问题根源。它能精准提取最内层的业务异常，有效过滤掉冗余的框架堆栈信息，让日志输出变得清晰、聚焦，从而极大提升线上问题排查与定位的效率。
引入依赖：确保 ExceptionUtils 可用
首先，请确保你的项目已正确引入 commons-lang3 依赖。建议使用 3.12.0 或更高版本，以获得更稳定和完整的功能支持。
org.apache.commons commons-lang3 3.14.0
这里有一个关键点需要注意：务必使用 commons-lang3，而非旧的 commons-lang（2.x 版本）。后者并不包含我们接下来要使用的现代异常过滤方法。
核心方法：getRootCause + getStackTrace 聚焦根本原因
在复杂的分布式或微服务业务系统中，一个底层的原始异常（例如 SQLException 或 NullPointerException）常常会被业务层、服务层、框架层多次包装。最终抛出的可能是一个类似 RuntimeException → ServiceException → WebException 的复合异常体。如果直接调用 e.printStackTrace()，关键的错误根源很容易被淹没在海量的调用帧中。
此时，ExceptionUtils 的组合方法便能大显身手：
ExceptionUtils.getRootCause(e)：该方法如同精准的手术刀，能穿透所有异常包装层，直接获取最内层、最原始的异常对象。ExceptionUtils.getStackTrace(cause)：获取到根源异常后，再调用此方法得到其堆栈字符串。这样，打印出的日志就只包含这个根本原因的调用链路，外层包装类的无关信息被有效剔除。
具体代码示例如下：
import org.apache.commons.lang3.exception.ExceptionUtils;
try {
// 你的核心业务逻辑
} catch (Exception e) {
Throwable root = ExceptionUtils.getRootCause(e);
log.error("业务异常根因: {} \n{}", root, ExceptionUtils.getStackTrace(root));
}
深度过滤：使用 getRootCauseStackTrace 按包名过滤框架信息
有时，即便获取了根源异常的堆栈，其中仍可能混杂着大量 Spring、MyBatis、Servlet 或其他第三方框架的调用信息。对于只想聚焦于自身业务代码逻辑的开发者而言，这还不够“纯净”。
别担心，还有更精细的过滤方案：
ExceptionUtils.getRootCauseStackTrace(e)：此方法返回一个字符串数组（String[]），每个元素对应堆栈中的一行。这为我们提供了按行处理、自由定制过滤规则的可能性。- 你可以遍历该数组，手动过滤掉包含特定框架包名（如
org.springframework.*、com.sun.*）的行，只保留以公司业务包名（例如com.yourcompany.service.*）开头的行，或是保留关键的“Caused by:”行以明确异常传播链。
以下是一个实用的过滤示例：
String[] trace = ExceptionUtils.getRootCauseStackTrace(e); ListcleanTrace = Arrays.stream(trace) .filter(line -> line.contains("com.yourcompany.") || line.contains("Caused by:") || line.startsWith("\tat ")) .collect(Collectors.toList()); log.error("精简异常堆栈:\n{}", String.join("\n", cleanTrace));
效能增强：配合 SLF4J MDC 实现日志上下文追踪
精简异常堆栈已能大幅提升定位速度。若能同时在日志中看到是哪个用户、哪次请求触发的异常，排查效率将更上一层楼。这需要借助 SLF4J 的 MDC（Mapped Diagnostic Context，映射诊断上下文）功能来实现。
核心思路是，在处理请求或捕获异常前，将关键上下文信息存入线程绑定的 MDC 中：
MDC.put("traceId", UUID.randomUUID().toString())：为当前请求生成全局唯一的追踪ID。MDC.put("userId", currentUser.getId())：记录当前用户标识。
随后，在 Logback 或 Log4j2 等日志框架的配置文件中，使用 %X{traceId}、%X{userId} 等占位符。如此，每条日志（包括精简后的异常堆栈）都会自动附带这些追踪标识。当清晰的请求上下文与精准的异常信息同时呈现时，问题定位可实现“秒级”响应。
总结而言，将 ExceptionUtils 的精准提取与过滤能力，与 MDC 的上下文追踪能力相结合，是从海量日志中快速定位问题的黄金策略。这套组合拳能让你的异常日志从令人头疼的“噪音”，转变为清晰可循的“信号”，真正成为保障系统稳定与高效运维的利器。
