在 Java 中，“数据异常”通常指数据不符合预期导致的程序错误或业务异常，涵盖从底层数据类型错误到上层业务逻辑校验失败的各种情况。以下是常见场景及处理方案：

一、常见数据异常类型及示例

1. 基础数据类型/转换异常

异常类型 原因 示例代码

"NullPointerException" 对
"null" 数据进行操作（如调用方法、访问属性）
"String s = null; s.length();"

"NumberFormatException" 字符串转数字失败（格式错误）
"Integer.parseInt("abc");"

"ClassCastException" 强制类型转换不匹配
"Object o = "str"; Integer i = (Integer) o;"

"ArithmeticException" 数学运算错误（如除零）
"int a = 10 / 0;"

2. 集合/数组数据异常

异常类型 原因 示例代码

"IndexOutOfBoundsException" 索引越界（数组/List）
"List list = new ArrayList<>(); list.get(0);"

"ConcurrentModificationException" 迭代集合时修改结构（非线程安全集合）
"for (String s : list) { list.add("a"); }"

3. 业务数据异常（自定义）

数据不符合业务规则（如参数为空、范围超限、状态冲突）：

// 例：用户年龄非法（<0 或 >150）
if (age < 0 || age > 150) {
throw new IllegalArgumentException("年龄必须在 0-150 之间");
}

4. 外部数据异常（数据库/接口）

场景 常见异常
数据库操作
"SQLException"（连接失败、SQL语法错误、约束冲突）
JSON解析
"JsonParseException"（格式错误）、
"JsonMappingException"（字段映射失败）
文件读取
"IOException"（文件不存在、权限不足）

二、数据处理最佳实践

1. 防御性编程（提前校验数据）

// 1. 判空（避免 NPE）
public void process(String data) {
if (data == null || data.trim().isEmpty()) {
throw new IllegalArgumentException("数据不能为空");
}
// 处理逻辑
}

// 2. 使用 Optional 优雅处理 null
Optional.ofNullable(data)
.filter(s -> !s.isEmpty())
.orElseThrow(() -> new IllegalStateException("数据为空"));

2. 安全转换（避免转换异常）

// 字符串转数字（安全方式）
public static Integer safeParseInt(String str, Integer defaultValue) {
try {
return Integer.parseInt(str);
} catch (NumberFormatException e) {
return defaultValue; // 或记录日志后返回默认值
}
}

3. 自定义业务异常（明确异常语义）

// 定义业务异常类
public class DataValidationException extends RuntimeException {
private final String errorCode;

public DataValidationException(String message, String errorCode) {
super(message);
this.errorCode = errorCode;
}
}

// 使用
if (order.getAmount() <= 0) {
throw new DataValidationException("订单金额必须大于0", "ORDER_AMOUNT_INVALID");
}

4. 统一异常处理（Spring 项目）

@RestControllerAdvice
public class GlobalExceptionHandler {

@ExceptionHandler(DataValidationException.class)
public ResponseEntity<?> handleDataValidation(DataValidationException e) {
return ResponseEntity.badRequest()
.body(Map.of("code", e.getErrorCode(), "msg", e.getMessage()));
}

@ExceptionHandler(NullPointerException.class)
public ResponseEntity<?> handleNPE(NullPointerException e) {
log.error("空指针异常", e); // 记录详细日志
return ResponseEntity.status(500).body("系统内部错误");
}
}

5. 数据库/外部接口异常处理

// 数据库操作（Spring JDBC）
try {
jdbcTemplate.update("INSERT INTO user(name) VALUES(?)", name);
} catch (DataIntegrityViolationException e) {
// 唯一键冲突、非空约束等
throw new DataValidationException("用户名已存在", "USER_NAME_DUPLICATE");
} catch (SQLException e) {
// 数据库连接失败等
log.error("数据库操作失败", e);
throw new RuntimeException("系统繁忙，请稍后再试");
}

三、关键注意事项

1. 异常粒度：避免捕获
   "Exception" 后不处理（至少记录日志），区分可恢复异常（如参数错误）和不可恢复异常（如数据库连接失败）。
2. 日志规范：异常日志需包含上下文信息（如用户ID、请求参数），方便排查：
   log.error("处理用户{}的数据失败，参数：{}", userId, params, e); // 第三个参数是异常对象
3. 避免“吞异常”：不要只捕获异常而不处理（如
   "catch (Exception e) {}"），至少记录日志或向上抛出。
4. 数据校验前置：在 Controller 层用
   "@Validated" 注解校验参数（如
   "@NotNull"、
   "@Min"），减少 Service 层冗余校验：
   @PostMapping("/user")
   public void createUser(@RequestBody @Validated UserDTO userDTO)

public class UserDTO {
@NotNull(message = "用户名不能为空")
@Size(min = 2, max = 20, message = "用户名长度2-20位")
private String username;
}

四、典型场景解决方案

场景 解决方案
批量数据处理（如Excel导入） 逐条校验，记录失败行号+原因，返回汇总结果
分布式系统数据一致性 用事务（
"@Transactional"）+ 重试机制（如 Spring Retry）
大数量查询（避免OOM） 分页查询（
"LIMIT"）、流式处理（
"ResultSet" 游标）

如果需要针对具体场景（如 JSON 解析、数据库约束、并发数据冲突）进一步分析，可以补充说明你的具体问题哦！ 😊