重试别一刀切:先分清可重试错误和幂等边界
接口重试最容易踩的坑,不是“要不要重试”,而是把所有失败都当成同一种失败。
一次调用超时,客户端往往会立刻再打一遍。如果下游其实已经把订单写进去了,只是响应在回来的路上丢了,第二次就会变成重复下单。重试本身没有错,错在没有先回答两个问题:这个错误现在重试有没有意义,以及重复执行会不会改变结果。
可重试和不可重试
网络抖动、连接被重置、网关返回 502/503/504,多数时候值得再试一次。参数不合法、权限不够、余额不足、业务规则拒绝,再试一百次也还是同样的结果,只会把线程和配额打满。
我习惯把错误分成三类。第一类是瞬时故障,间隔拉开再试。第二类是明确的业务拒绝,直接把原因返回给调用方,不要进重试循环。第三类是结果未知,比如已发出请求但没有拿到响应。这类不能靠“再发一次”糊弄过去,必须有幂等键或者查询接口来确认第一次到底成功没有。
幂等不是把按钮多点一次
幂等的意思是:同一个业务动作,用同一个标识执行多次,系统里只留下一份效果。下单可以用客户端生成的请求号,支付可以用商户订单号,发消息可以用业务事件号。服务端先查这个号是否已经处理过,处理过就返回上一次的结果,而不是再插入一行。
只在数据库上加唯一索引是不够的。唯一索引能挡住重复插入,但调用方看到的往往是冲突错误,它不知道原来那次已经成功。更好的做法是冲突之后读出已有记录,按成功返回。
间隔和次数
立刻重试通常会在故障高峰上再加一刀。可以用指数退避,例如 200 毫秒、400 毫秒、800 毫秒,并加一点随机抖动,避免所有客户端同一秒醒来。总次数限制在 2 到 3 次就够了,超过就失败并留下可检索的请求号。
还有一种更隐蔽的放大:同步调用里重试,外层网关也在重试,消息消费端还在重试。三层叠在一起,一次失败会变成十几次调用。每一层都要有自己的预算,内层失败要尽快把“不可重试”或“已受理”告诉外层。
怎么落地
写新接口时,我只要求四件事。给写操作一个调用方生成的幂等号;文档里写清哪些状态码可以重试;客户端限制次数、超时和退避;日志里同时打出幂等号和下游返回码。排障时先用幂等号把多次尝试串起来,再决定是补查询还是安全地再试一次。
重试是容错手段,不是默认策略。先分清错误能不能重试,再保证重复执行不会多产生一份业务结果,超时和失败才不会互相放大。
- 点赞
- 收藏
- 关注作者
评论(0)