一、这一篇在处理什么
这一篇只处理一件事：在印度尼西亚运行的在线娱乐平台，使用维科云的SDK 盾时，如何处理「弱网下重试风暴」。
一次超时触发多个并发重试，隧道和服务端看到的请求数远高于真实操作数。
看同一请求 ID 在短时间内出现的次数。
二、印度尼西亚的网络和高峰
晚间高峰跨度长，群岛不同城市的高峰不会精确重合。移动网络和海缆路径影响大。雅加达正常，不代表其他岛屿正常。
排查时：不要把印度尼西亚收成一个平均值。至少把首都和其他主要城市分开看失败率。
不要这样做：一个探测点全绿就认为全国正常。探测点要放在用户多的城市，而不是只放一个。
三、在线娱乐平台要分开的路径
登录、房间列表、下单和静态皮肤要分域。下单接口不能按 URL 缓存。
防护边界：挑战和限速只覆盖被刷的动态路径。首页皮肤、规则页被误拦时，用户会认为整站不可用。
验证：用两个账号连续访问同一页面，确认不会看到对方的余额或昵称。再用一次失败提交确认不会重复扣款。
四、SDK 盾怎么接
App 里的登录、下单等关键请求走 SDK 隧道，图片和安装包仍走 CDN。服务端校验时间窗、随机数和签名，不把源站地址写进客户端包。隧道失败时可以降级，但降级必须打点，不能静默改去连源站 IP。
产品说明见SDK 盾。只改和「弱网下重试风暴」有关的域名或路径，不要把在线娱乐平台的其他路径一起改掉。
五、排查步骤
下面五步按因果顺序执行，后一步依赖前一步的结果。步骤针对「弱网下重试风暴」，不是一套通用清单。
- 只统计登录、房间列表、下单和皮肤域名。下单接口单独成列，不能和皮肤放在一起。 把雅加达和其他主要城市分成两张表，晚高峰不要用全国平均值。 这一故障在本步要完成的事：给每次业务操作分配请求 ID，重试沿用同一个 ID。
- 皮肤和规则页保持可访问。限速和挑战只允许出现在被刷的下单或登录路径上。 首都正常而其他城市失败时，按城市处理，不要当成整国故障。 这一故障在本步要完成的事：统计一个 ID 被发送的次数。
- 下单接口设为不缓存。若这一步需要拦截，只拦下单路径，首页皮肤继续放行。 为失败城市单独指定接入点。已经正常的城市不要一起改。 这一故障在本步要完成的事：客户端改为指数退避，禁止同时发出多个相同请求。
- 在源站只限制下单路径的并发。不要因为下单异常把皮肤域名也回源。 确认海缆路径只影响失败城市后，再决定要不要动源站。 这一故障在本步要完成的事：服务端按请求 ID 去重。
- 用两个账号各下一单：页面不能出现对方的余额或昵称，失败重试不能产生第二笔扣款。 在失败城市加一个探测点复测。只有雅加达一个点是绿的，不算恢复。 这一故障在本步要完成的事：确认超时时间大于弱网下的正常往返后再谈重试。
六、处理办法
- 重试次数设上限。
- 下单类操作必须去重。
- 不要把重试误判成攻击而封掉运营商。
改完后在印度尼西亚的用户网络上复查，不要只在机房内网看。复查时带上在线娱乐平台的验证：用两个账号连续访问同一页面，确认不会看到对方的余额或昵称。再用一次失败提交确认不会重复扣款。
七、案例
地铁里下单超时，客户端同时发了三次。服务端扣了三次库存。加上请求 ID 后，重复提交只保留第一次。
若同样的现象出现在印度尼西亚，额外核对：不要把印度尼西亚收成一个平均值。至少把首都和其他主要城市分开看失败率。
业务侧核对：登录、房间列表、下单和静态皮肤要分域。下单接口不能按 URL 缓存。
这个案例只说明怎么定位，不构成容量或可用性承诺。
八、常见问题
问：为什么不能马上重试？
答：网络还没恢复时，马上重试只是把失败放大。
问：读请求也要去重吗？
答：不强制。写请求必须去重。
问：退避加随机数做什么？
答：避免所有客户端在同一秒一起重试。
问：同一故障换一个地区或一种业务，排查还一样吗？
答：不一样。每一步都先按在线娱乐平台的路径处理，再按印度尼西亚的网络条件收窄，最后才做「弱网下重试风暴」这一故障本身的动作。换地区或换业务，前两段操作就会变。
九、边界
只讨论SDK 盾在「弱网下重试风暴」上的处理，地区范围是印度尼西亚，业务范围是在线娱乐平台。请遵守当地法律。维科云提供网络能力，不对客户业务内容负责。