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会员登录站，使用维科云的SDK 盾时，如何处理「登录令牌过期后重试风暴」。
令牌过期，所有接口同时返回未登录，客户端又同时刷新令牌，刷新接口被打满。
看刷新令牌接口的瞬时 QPS 和失败后的重试次数。
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、会员登录站要分开的路径
登录页、会话接口和验证码分开。登录响应含身份信息，不能按网址缓存。
防护边界：验证码和登录失败重试要有上限，但不要把整个运营商封掉。
验证：两个浏览器先后登录，确认页面和 Cookie 没有串号。错误密码连续失败时，正常密码仍能登录。
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「登录令牌过期后重试风暴」有关的域名或路径，不要把会员登录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「登录令牌过期后重试风暴」，不是一套通用清单。
- 登录页、会话接口和验证码分开统计。含身份的响应单独标记为不可缓存。 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：确认业务失败码是令牌过期，而不是签名错误。
- 验证码失败和登录失败设置次数上限。不要因为失败变多就封掉整个运营商。 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：整个进程只允许一个刷新请求在飞。
- 会话接口不缓存。若要加挑战，只加在登录入口，已登录后的会话接口不要再挑战。 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：其他请求等待这次刷新的结果。
- 源站按账号限制错误密码次数。不要按来源网络把所有用户锁在一起。 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：刷新失败后统一回到登录页，不要每个接口各刷一次。
- 两个浏览器先后登录，确认看不到对方的会话。错误密码失败后，正确密码仍能登录。 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：服务端对同一用户的刷新做频率限制。
六、处理办法
- 刷新要加锁。
- 过期时间不要卡在整点。
- 刷新接口单独限流。
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。复查时带上会员登录站的验证：两个浏览器先后登录，确认页面和 Cookie 没有串号。错误密码连续失败时，正常密码仍能登录。
七、案例
晚八点大量令牌同时过期，刷新接口先超时，客户端又各自重试。改成进程内只刷新一次后，峰值下降到用户数规模。
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：登录页、会话接口和验证码分开。登录响应含身份信息，不能按网址缓存。
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：为什么不是每个请求都刷新？
答：并行刷新会互相作废对方刚拿到的令牌。
问：提前刷新有用吗？
答：有用。在过期前的随机时间刷新，避免整点同时过期。
问：刷新失败还要重试业务请求吗？
答：不要。先重新登录。
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。每一步都先按会员登录站的路径处理，再按印度尼西亚的网络条件收窄，最后才做「登录令牌过期后重试风暴」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「登录令牌过期后重试风暴」上的处理，地区范围是印度尼西亚，业务范围是会员登录站。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。