美美得易在线MEIDEYI.COM检索
技术 · 开发实战

接口超时之后 重试该不该立刻发起

重试不是把失败再发一遍,它要挑错误类型、算退避、留预算。

技术组约 3 分钟技术 · 开发实战

线上服务出问题,最常见的表象是超时。超时之后要不要立刻重发,很多团队是凭直觉决定的:报错了就重试三次。这个做法在下游已经过载时,会把一次小抖动放大成雪崩。

第一步是把可重试的错误筛出来。连接超时、限流响应、网关错误这几类通常属于临时故障,值得再试一次;而参数错误、鉴权失败、资源不存在,重试一万次结果也不会变,只会白白消耗容量。

第二步是退避。立刻重发的请求会撞在同一个拥堵点上,正确做法是让等待时间按倍数增长,比如一百毫秒、两百毫秒、四百毫秒,逐次拉长。等待要设上限,避免某次请求在队列里挂太久。

光有指数退避还不够。如果几千个客户端都在同一时刻失败,退避曲线相同,它们会在同一时刻再次同时发起,形成整齐的第二次冲击。解决办法是加随机抖动,在计算出的等待时间上再加一段随机量,把峰值摊平。

服务端如果给了等待提示,就优先听它的。限流响应里常常带着建议等待时长,照着执行比自己算退避更稳妥,也能避免客户端与服务端的节奏互相拧着。没有提示时再退回自己的退避公式。

重试必须配合幂等。一笔下单请求超时后重发,如果服务端没有幂等键去去重,用户可能被扣两次款。常见做法是客户端生成唯一请求标识,服务端在有效窗口内识别重复请求并返回首次结果。

还要有重试预算的概念。允许携带重试的流量应当只占一小部分,比如一分钟窗口内不超过总请求的一成,超出就直接快速失败。下游生病的时候,上游的自救行为本身也是一种压力,预算就是给这种压力设个闸门。

观测要跟上。重试次数、重试成功率、重试流量的占比,这几个指标要单独看,混在总成功率里会被掩盖。很多故障复盘时才发现,真正把系统压垮的不是首轮请求,而是第二轮、第三轮的重复流量。

说到底,重试是一种补偿机制,不是错误处理的主体。该失败的时候要快速失败,让调用方看到真实状态;只有明确属于临时故障、且业务上允许重复执行的那一部分,才交给重试去兜。这个边界划清楚,系统才稳。

本文由本站编辑部整理撰写,内容仅作知识分享,不构成医疗、投资、法律建议,转载请注明出处。

读者留言 · 3 条

后
后端开发

抖动那段太对了,不加随机真的会整齐撞车。

架
架构

重试预算这个说法第一次见,很有用。

测
测试

幂等键不做好,超时重发就是资损隐患。

留言为读者个人观点,不代表本站立场。