罗罗编程学习记录
本页内容 展开查看

06.1.1.3 幂等、重试、错误模型、限流与超时

所属:全栈开发面试题库 / 06 后端框架与工程实践 / 06.1 通用后端工程 / 06.1.1 API 设计与契约

本节要解决的问题

  • 写接口为什么必须幂等,用哪些手段实现?
  • 重试策略、超时预算、限流算法如何设计?
  • 错误模型如何统一,哪些错误能自动重试?

06.1.1.3-001 什么是接口幂等,为什么重试必须幂等?

一句话结论

幂等指同一请求执行一次与执行多次,服务器最终状态相同;网络超时后客户端会重试,只有幂等接口才能安全重试。

概念解释

调用失败可能发生在任何环节:请求没到、执行中结果丢失、响应丢失。客户端/网关常见动作是重试。若接口不幂等(如重复创建订单),重试就产生重复副作用。幂等把「安全重试」建立在接口语义上。

原理流程

  1. 客户端生成幂等键随写请求提交。
  2. 服务端先查键:已处理则直接返回首次结果。
  3. 未处理则执行并记录键与结果状态。
  4. 重复请求命中记录,不重复执行业务。

常见误区

  • 把「前端按钮禁用」当幂等:刷新、双击、重试、消息重投都会绕过前端。
  • 幂等只防重复点击,不防消息队列重投与网关重试。

追问

  • 只读接口天然幂等吗?GET/HEAD 不改变状态,天然幂等。
  • 幂等能解决重复扣款吗?不能单独解决;还要结合唯一流水、状态机与对账。

06.1.1.3-002 实现幂等的几种手段?

一句话结论

常用手段:幂等键去重、数据库唯一约束、状态机限制、分布式锁 + 结果缓存;按业务并发与一致性要求组合使用。

对比

手段 做法 适用 局限
幂等键 服务端记录键 → 结果 通用写接口 需存储与过期策略
唯一约束 业务唯一流水入库冲突捕获 订单/支付流水 只能挡持久化层
状态机 仅特定状态可流转 审批/订单状态 覆盖范围外无效
分布式锁 同一键串行执行 高并发去重 锁超时与持锁失败处理

示例

请求带 Idempotency-Key: order-20261118-0001
  → SETNX 键 → 执行 → 写结果记录 → 返回
重复请求:键已存在 → 返回记录结果(处理中则返回等待)

常见误区

  • 只在应用层查一次再插入,并发下两个请求都查到不存在:需要唯一约束兜底。
  • 幂等记录只存成功结果:处理中状态也要记录,避免并发重复执行。

追问

  • 幂等键由谁生成?客户端/调用方生成,服务端校验唯一性;服务端也可在创建场景下发一次性令牌。
  • 去重记录存哪里?Redis(带 TTL)+ 数据库唯一流水;关键业务以持久化记录为准。

06.1.1.3-003 幂等键怎么设计与存储?

一句话结论

键由业务标识 + 随机/流水组成,全局唯一;存储覆盖「处理中/成功/失败」状态,TTL 覆盖重试窗口,关键结果持久化到业务库。

概念解释

  • 键结构:业务类型 + 调用方 + 唯一流水,例如 pay:trade:20261118:uuid。
  • 状态:processing(持锁/执行中)、succeeded(结果可返回)、failed(可重试或终态失败)。
  • TTL:至少大于最大重试窗口;支付等关键场景结果入业务表,不依赖缓存永久存活。

示例

Redis: idem:pay:trade-001 = { status: "processing", expires: 10min }
DB 唯一流水表: trade_no 唯一索引

常见误区

  • TTL 过短:重试间隔超过 TTL 后重复执行。
  • 只存成功不存处理中:并发重复进入业务。

追问

  • 处理中请求收到重复查询怎么返回?返回处理中状态/任务标识,让调用方轮询,而不是再执行一次。
  • 幂等键冲突如何排查?按键查 Redis 与流水表,比对首次请求 traceId。

06.1.1.3-004 支付回调重复投递如何处理?

一句话结论

以支付流水号为幂等键:回调先查订单/流水状态,已成功直接返回成功;未成功才更新状态;唯一约束防重复入账;响应服务商要求的成功应答。

原理流程

  1. 回调携带第三方交易号、金额、状态。
  2. 先验签,再按交易号查本地订单。
  3. 订单已支付:直接返回成功应答,不重复记账。
  4. 未支付:校验金额与渠道,更新状态并写流水(唯一索引兜底)。
  5. 处理失败按渠道要求应答,等待重投。

常见误区

  • 不验签就处理回调:伪造通知直接改状态。
  • 先更新状态再记流水:中途失败导致状态与账务不一致。

追问

  • 金额不一致怎么办?不更新,挂异常人工对账,不盲目成功应答。
  • 回调一直失败会怎样?渠道按策略重投;需保证接口幂等且可重入。

06.1.1.3-005 重试策略:次数、退避、抖动怎么定?

一句话结论

有限次数 + 指数退避 + 随机抖动,只对可重试错误重试;区分连接失败、超时、5xx、4xx;设置总预算,避免无限重试。

概念解释

  • 次数:初始 2~3 次,按业务容忍度定。
  • 退避:间隔指数增长(如 1s、2s、4s),给下游恢复时间。
  • 抖动:在退避基数上加随机量,避免大量客户端同步重试形成重试风暴。
  • 可重试:连接失败、读超时、503/429;不可重试:400/401/403/404/422 等确定性失败。

示例

delay(n) = min(base * 2^n, maxDelay) * (0.5 ~ 1.0 随机)
最多 3 次;429 读取 Retry-After 作为间隔

常见误区

  • 固定间隔立即重试:下游未恢复时雪崩放大。
  • 对 4xx 也重试:确定性错误重试无意义且放大流量。

追问

  • 重试会带来什么风险?重复副作用(需幂等)、链路延迟叠加、流量放大。
  • 429 的重试间隔怎么定?优先用响应 Retry-After,没有再用退避。

06.1.1.3-006 什么是超时预算,链路如何逐级传递?

一句话结论

超时预算是一次调用允许使用的总时间,沿调用链逐级分配;每一跳设置小于剩余预算的超时,并通过上下文传递截止时间,避免上游已超时下游还在跑。

概念解释

  • 入口设定总预算(如 3s)。
  • 下游调用按剩余时间分配:A→B→C,B 留给 C 的时间必须小于 B 自己的剩余预算。
  • 超时信息随请求上下文传播(HTTP Timeout/gRPC deadline),下游据此放弃过期工作。

示例

入口预算 3000ms
  → 服务 A 处理预留 500ms
    → 调用 B 超时 1500ms
      → 调用 C 超时 800ms(小于 B 剩余)
任一环节超过剩余预算即取消并释放资源

常见误区

  • 每一跳都设相同超时(如都 5s):链路总耗时远超入口上限,连接与线程被占满。
  • 不传播截止时间:上游超时返回后,下游仍在写库/调外部。

追问

  • 超时后线程/连接怎么释放?配合取消令牌(CancellationToken/Context cancel)终止等待与 IO。
  • 超时时间依据什么定?压测得到的下游 P99 延迟 + 余量,而不是拍脑袋。

06.1.1.3-007 错误模型如何统一:业务错误码与 HTTP 状态码?

一句话结论

HTTP 状态码表达错误类别,业务错误码表达具体原因;错误体统一结构(码、提示、字段错误、traceId);两者语义对齐,不把所有业务失败都返回 200。

概念解释

  • 状态码:客户端/网关可按类别处理(4xx 不重试、5xx 可重试)。
  • 业务码:稳定字符串或数字,供客户端分支与日志检索,如 ORDER_NOT_FOUND。
  • 结构:code、message、fieldErrors、traceId;错误码分段可区分模块。

示例

{
  "code": "PARAM_ADDRESS_REQUIRED",
  "message": "收货地址不能为空",
  "fieldErrors": [{ "field": "address", "reason": "required" }],
  "traceId": "7f3a91c2"
}

常见误区

  • 业务失败也返回 HTTP 200:监控无法按 4xx/5xx 归类。
  • 错误码只靠数字且无文档:接入方无法理解含义。

追问

  • 错误码需要分模块前缀吗?建议:模块 + 场景,便于定位与排障。
  • 面向第三方的提示文案能改吗?码保持稳定,文案可随版本调整;不要让客户端依赖文案分支。

06.1.1.3-008 异常分类:可预期与不可预期如何处理?

一句话结论

业务异常(可预期,如余额不足)映射明确错误码;系统异常(不可预期,如空指针、IO 错误)记录完整日志并返回通用 5xx,不向客户端暴露细节。

概念解释

  • 可预期:参数非法、状态冲突、权限不足、外部业务拒绝 → 业务异常 + 对应 4xx。
  • 不可预期:未捕获异常、依赖故障、数据损坏 → 500/503,日志带堆栈与 traceId。
  • 全局异常处理器兜底,避免异常穿透到容器默认错误页。

常见误区

  • 用运行时异常表达业务校验:分类不清,事务与错误映射混乱。
  • 把不可预期异常也转成「操作失败」200:丢失 5xx 监控信号。

追问

  • 业务异常要不要回滚事务?抛出经过声明的业务异常时回滚;异常类型与回滚规则按框架配置。
  • 兜底异常响应包含什么?通用提示 + traceId,堆栈只进服务端日志。

06.1.1.3-009 客户端收到 5xx 是否应当自动重试?

一句话结论

5xx 表示服务端瞬时故障,可在幂等前提下有限重试;500 多为代码/数据问题,重试价值低,502/503/504 更适合退避重试;4xx 不重试。

概念解释

  • 502 Bad Gateway、503 Service Unavailable、504 Gateway Timeout:网关/下游临时不可用,可能恢复。
  • 500 Internal Server Error:多为确定错误(空指针、约束违反),重试大概率重复失败。
  • 重试前提:接口幂等 + 次数上限 + 退避抖动。

常见误区

  • 所有 5xx 立即重试三次:放大故障流量。
  • 对 404/409 重试:状态不会因重试改变。

追问

  • 503 带 Retry-After 怎么用?按提示间隔等待,而不是自定退避。
  • 幂等读接口重试可以更激进吗?读取天然幂等,但仍受次数与预算限制。

06.1.1.3-010 限流算法:计数器、滑动窗口、令牌桶、漏桶怎么对比?

一句话结论

固定计数器实现简单但有临界突刺;滑动窗口平滑边界;令牌桶允许一定突发且控制平均速率;漏桶强制平滑输出,适合保护下游。

对比

算法 特点 适用 局限
固定计数器 窗口内计数 简单配额 窗口临界点双倍突刺
滑动窗口 细分窗口统计 较平滑 实现/存储复杂些
令牌桶 匀速发令牌,允许攒令牌突发 API 限流、兼顾突发 突发量受桶深限制
漏桶 请求入桶,匀速流出 保护下游、强制平滑 突发被排队/丢弃

示例

令牌桶:容量 10,每秒补充 5 个
  → 空闲时攒令牌,短时突发最多 10;长期速率 ≤ 5/s
漏桶:容量排队,流出速率恒定 5/s,超出拒绝

常见误区

  • 把令牌桶当漏桶用:令牌桶允许突发,需要平滑输出时选漏桶。
  • 只在单机限流:分布式部署下总流量需网关或集中限流协同。

追问

  • 令牌桶的令牌何时发放?后台匀速补充;无令牌时请求拒绝或排队。
  • 分布式限流怎么做?Redis + Lua 计数/令牌,或网关层集中限流;注意时钟与误差。

06.1.1.3-011 限流维度:用户、IP、接口、租户怎么选?

一句话结论

按主体维度组合:用户/租户防个体滥用,IP 防爬虫与批量攻击,接口防热点资源被打垮;不同维度可叠加限流,配额分级。

概念解释

  • 用户/账号:登录态配额,保护业务数据。
  • IP:匿名请求与刷接口,注意 NAT 出口共享导致误杀。
  • 接口:热点写接口、昂贵查询单独配额。
  • 租户:多租户体系下按租户总额度隔离,防邻居噪音。

常见误区

  • 只按 IP 限流:NAT 下误伤正常用户;只按用户:未登录滥用无法限制。
  • 所有接口同一配额:昂贵查询与简单查询待遇相同。

追问

  • 限流配额配置在哪?配置中心可动态调整,按环境与接口分级。
  • 限流被触发后对特殊用户放行?内部/白名单可单独配额,但要有审计。

06.1.1.3-012 429 响应应当携带什么信息?

一句话结论

429 带 Retry-After(建议等待秒数)、限流维度标识与当前配额信息;响应体说明触发的限制,便于客户端退避与展示。

概念解释

  • Retry-After:秒数或日期,指导重试间隔。
  • 可选头:剩余额度、重置时间(如 X-RateLimit-Remaining)。
  • body:错误码、提示、限流主体;不要泄露内部策略细节。

示例

HTTP/1.1 429 Too Many Requests
Retry-After: 30
X-RateLimit-Remaining: 0

{ "code": "RATE_LIMITED", "message": "请求过于频繁,请稍后再试" }

常见误区

  • 429 不带等待时间:客户端按固定间隔重试,继续撞限流。
  • 限流直接断连接不返状态码:客户端无法区分故障与限流。

追问

  • 多级限流(网关 + 应用)响应头以谁为准?以最外层可执行配额为准,内部限制可叠加。
  • 429 与 503 区别?429 是请求过多的主动拒绝;503 是服务自身不可用。

06.1.1.3-013 熔断与限流的区别是什么?

一句话结论

限流控制进入系统的请求速率;熔断在下游持续故障时快速失败/断开调用,避免级联雪崩;两者都保护系统,但触发对象与动作不同。

概念解释

  • 限流:入口压力控制,超额拒绝/排队。
  • 熔断:统计下游错误率/超时,达到阈值后打开熔断,一段时间内直接失败,半开探测恢复。
  • 熔断状态:关闭(正常)→ 打开(快速失败)→ 半开(放行探测)。

常见误区

  • 把熔断当限流:熔断面向依赖故障,不是入口配额。
  • 熔断打开后永久不恢复:需要半开探测机制。

追问

  • 熔断失败时返回什么?降级兜底数据或明确错误,不强行等待下游。
  • 熔断阈值依据什么?错误率、慢调用比例、最小请求数,按压测与历史定。

06.1.1.3-014 重试风暴如何防止?

一句话结论

限制重试次数与总预算、退避抖动、熔断隔离、幂等兜底、网关统一重试而非每层各自重试;避免重试在多层之间放大。

概念解释

重试放大:A 重试 3 次,每次到 B,B 又重试 3 次,下游承受 9 倍流量。防治:

  1. 重试只在一层执行(通常入口或调用方),下游不重复放大。
  2. 全局重试预算与并发上限。
  3. 退避抖动 + 熔断。
  4. 监控重试比例,异常升高告警。

常见误区

  • 网关、服务、客户端每层都配重试:流量乘法放大。
  • 重试不带退避:故障期间密集冲击下游。

追问

  • 消息消费重试与 HTTP 重试一样吗?消息重投由队列控制,消费端仍需幂等,重试间隔按队列死信策略。
  • 如何观察重试风暴?监控同一业务标识的重复请求数、下游错误率与重试次数。

06.1.1.3-015 幂等键与分布式锁是什么关系?

一句话结论

幂等键解决「重复执行同一业务」的结果去重;分布式锁解决「同一键并发进入临界区」的互斥;锁通常是幂等实现的并发控制手段之一。

概念解释

  • 没有锁:并发请求同时通过存在性检查,靠唯一约束兜底。
  • 加锁:同一幂等键串行化,先到者执行,后来者等待或读结果。
  • 锁要设超时,持锁者宕机不能永久阻塞;锁释放与结果记录要一致。

示例

SETNX lock:{key} nx ex 10s
  获取成功 → 执行 → 写结果 → 释放锁
  获取失败 → 读处理中状态,等待/返回任务标识

常见误区

  • 用锁替代唯一约束:锁超时/失效后仍可能并发落库,唯一索引是最终兜底。
  • 锁不设过期:持锁进程崩溃后键永久锁定。

追问

  • 锁粒度多大?按幂等键/业务流水,不要粗到全表串行。
  • 锁内执行超时怎么办?延长要谨慎;任务改为异步,锁只保护入口判定。

06.1.1.3-016 数据库唯一约束如何配合幂等?

一句话结论

对业务唯一字段建唯一索引,并发重复插入时捕获冲突并转为返回已有记录;它是幂等在持久化层的最终防线,应用层检查不能替代约束。

概念解释

  • 唯一索引:订单号、支付流水号、业务幂等列。
  • 并发场景:两个插入抢同一索引,一个成功一个冲突;冲突后查询已有记录返回。
  • 作用:即使应用层去重被绕过,数据库也不允许重复行。

示例

CREATE TABLE pay_trade (
  id BIGINT PRIMARY KEY,
  trade_no VARCHAR(64) NOT NULL,
  UNIQUE KEY uk_trade_no (trade_no)
);

常见误区

  • 只在代码里 select 判重再 insert:并发下判重结果同时失效。
  • 冲突异常直接抛给客户端:应转换为「已处理,返回原结果」。

追问

  • 唯一约束覆盖不了哪些场景?状态流转类操作(非插入),还需状态机与幂等记录配合。
  • 批量导入怎么防重?批次号 + 业务唯一键联合约束,冲突行进异常清单。

06.1.1.3-017 错误响应是否暴露堆栈与内部细节?

一句话结论

不暴露:客户端响应只给错误码、提示与 traceId;堆栈、类名、SQL、内部地址只写入服务端日志,按 traceId 关联排查。

概念解释

暴露内部细节会帮助攻击者定位技术栈与注入点;同时业务用户也无法理解堆栈。开发环境可展示详细错误,生产环境必须关闭详细异常页。

常见误区

  • 框架默认错误页带到生产:返回堆栈与路径。
  • 日志级别不够却把细节塞进响应体。

追问

  • 如何让客户端配合排查?响应带 traceId,客户端反馈时附上;服务端按 ID 查日志。
  • 开发环境与生产错误差异怎么控制?按环境配置异常处理器,生产统一兜底响应。

06.1.1.3-018 参数校验失败返回 400 还是 422?

一句话结论

报文/类型格式错误导致无法解析用 400;语法合法但业务语义校验不通过(值非法、状态不允许)用 422;团队内统一约定并在文档说明。

概念解释

  • 400 Bad Request:JSON 解析失败、字段类型错、缺少必填导致结构不可读。
  • 422 Unprocessable Content:结构合法,但取值不满足规则(金额为负、状态非法、地址缺失)。
  • 404/403 与校验错误区分:资源不存在或无权访问不是参数校验问题。

示例

// 422 字段级错误
{ "code": "VALIDATION_FAILED",
  "fieldErrors": [{ "field": "amount", "reason": "必须大于 0" }] }

常见误区

  • 所有校验失败都返回 400:语义分层不清。
  • 字段错误不指明哪个字段:客户端难以定位修复。

追问

  • 枚举非法值算哪类?结构合法、取值非法,归 422。
  • 校验放在哪一层?入口做结构与基础校验,业务规则在服务层校验。

06.1.1.3-019 超时设置过长或过短分别有什么后果?

一句话结论

过长会占用线程/连接、放大积压;过短会把正常慢请求误判失败、触发重复重试;超时要基于压测分位延迟与下游容量设定。

概念解释

  • 过长:下游卡住时资源不释放,线程池/连接池耗尽,故障扩散。
  • 过短:P99 内可完成的请求被掐断,客户端重试造成双倍压力。
  • 设定参考:下游 P99/P999 延迟 + 余量;读与写分别配置;连接超时与读超时分开。

常见误区

  • 全链路一个默认超时(如 30s):慢查询占满资源。
  • 只设连接超时不设读超时:连接建立后下游不响应会一直挂住。

追问

  • 外部第三方接口超时怎么定?按其 SLA 与历史延迟,保守设置并加熔断。
  • 慢请求怎么发现?指标看超时率、P99 延迟,日志记录超过阈值的慢调用。

06.1.1.3-020 下游不可用时如何降级与兜底?

一句话结论

按业务分级:非核心依赖可降级为缓存/默认值/简化流程;核心链路快速失败并提示;配合熔断、隔离舱、限流与兜底数据,避免全站拖垮。

概念解释

  • 降级策略:读缓存旧值、返回默认推荐、关闭非核心功能、排队异步处理。
  • 隔离:线程池/信号量按依赖隔离,单个下游故障不拖垮全部。
  • 兜底:明确降级响应与提示,记录降级事件用于监控。

示例

商品详情:推荐服务不可用 → 返回基础商品信息,推荐位留空
下单:库存服务不可用 → 不降级,快速失败提示稍后重试

常见误区

  • 所有依赖都强同步等待:一个下游故障全站不可用。
  • 兜底数据不标注:客户端误认为实时数据。

追问

  • 降级开关在哪里控制?配置中心按功能/依赖开关,可人工与自动触发。
  • 降级期间数据一致性怎么办?允许最终一致的场景记录补偿任务,恢复后修正。

本节自检

  • [ ] 能画出幂等键去重的完整流程并说明唯一约束的兜底作用
  • [ ] 能为一次重试设计次数、退避、抖动与可重试错误清单
  • [ ] 能沿调用链分配超时预算并说明截止时间传播
  • [ ] 能对比四种限流算法并选择限流维度
  • [ ] 能区分熔断、限流、降级的职责并设计错误响应结构