香港的混合动静分离: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:在香港运行的混合动静分离,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、香港的网络和高峰

交易和晚间活动重叠时最忙,白天也有稳定流量。到华南和东南亚都近,常被当成回源点。回源集中在香港时,香港出口会先满。

排查时:分开看「用户到香港」和「香港到源站」。前一段慢是调度问题,后一段慢是回源问题。

不要这样做:所有地区都回源到香港。离香港远的用户会在回源这一段变慢。

三、混合动静分离要分开的路径

页面外壳可以缓存,用户相关的数据用单独接口。两套域名的缓存规则不要互相复制。

防护边界:外壳上不要留下余额、订单号或会话。那些字段只出现在不缓存的接口里。

验证:刷新页面时外壳来自缓存,接口仍返回当前用户自己的数据。退出登录后,不能再看到上一个用户的接口结果。

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,不要把混合动静分离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. 页面外壳和用户数据接口分成两列。外壳命中率不要把接口失败算进去。 把「用户到香港」和「香港到源站」分成两段计时。 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. 外壳可以缓存,但里面不能有余额、订单号或会话。这些只允许出现在不缓存的接口里。 前一段慢就处理调度,后一段慢就处理回源。不要两段用同一个动作。 这一故障在本步要完成的事:统计一个 ID 被发送的次数。
  3. 两套域名的规则分开保存。改接口规则时不要复制到外壳域名。 其他地区若都回源到香港,先把远地区的回源移走,避免香港出口被挤满。 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. 源站只生成用户数据接口。外壳应尽量不再回源。 回源调整完成前,不要用重启香港源站来掩盖排队。 这一故障在本步要完成的事:服务端按请求 ID 去重。
  5. 刷新页面时外壳来自缓存,接口仍是当前用户的数据。退出后再请求,不能看到上一个用户的结果。 分别从香港本地和另一个远地区复测这两段时间。 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。

改完后在香港的用户网络上复查,不要只在机房内网看。复查时带上混合动静分离的验证:刷新页面时外壳来自缓存,接口仍返回当前用户自己的数据。退出登录后,不能再看到上一个用户的接口结果。

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香港,额外核对:分开看「用户到香港」和「香港到源站」。前一段慢是调度问题,后一段慢是回源问题。

业务侧核对:页面外壳可以缓存,用户相关的数据用单独接口。两套域名的缓存规则不要互相复制。

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。每一步都先按混合动静分离的路径处理,再按香港的网络条件收窄,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,地区范围是香港,业务范围是混合动静分离。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。