印度尼西亚的API 接口站:用SDK 盾处理「弱网下重试风暴」

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API 接口站,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、API 接口站要分开的路径

按路径区分只读和写入。只读且不含身份的响应才可以短缓存,写入必须回源。

防护边界:整站跳转和整站挑战不能盖住接口。调用方不会处理跳转到网页的结果。

验证:用固定的样例请求看状态码和正文是否仍是接口格式。失败时日志里要有请求编号,而不是一段网页。

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API 接口站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。

  1. 只读接口和写入接口分成两列。写入请求一律记为不缓存。 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。
  2. 只读且不含身份的响应才允许短缓存。任何写入都不能被跳转成网页。 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。
  3. 挑战和整站跳转排除全部接口路径。需要限速时按路径限速,返回仍是接口格式。 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。
  4. 源站对写入接口做幂等。只读接口不要因为写入故障被一起拒绝。 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。
  5. 用一条固定样例请求检查状态码和正文仍是接口数据。失败日志里要有请求编号。 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

  1. 重试次数设上限。
  2. 下单类操作必须去重。
  3. 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API 接口站的验证:用固定的样例请求看状态码和正文是否仍是接口格式。失败时日志里要有请求编号,而不是一段网页。

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:按路径区分只读和写入。只读且不含身份的响应才可以短缓存,写入必须回源。

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API 接口站的路径处理,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API 接口站。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。