一、这一篇在处理什么
这一篇只处理一件事:在台湾运行的静态资源站,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、台湾的网络和高峰
晚间高峰集中,整点活动时会有瞬间爬坡。岛内访问和跨境访问差异大。跨境首包变慢时,岛内用户可能仍然正常。
排查时:把台湾岛内和从台湾出去的访问分开统计。只有跨境慢时,不要改岛内源站的业务逻辑。
不要这样做:用台北办公网络代表全部用户。移动网络和办公网络要各测一次。
三、静态资源站要分开的路径
图片、脚本和样式使用长缓存。带随机时间戳的地址会使缓存失效。
防护边界:这个域名不要开启会改写内容的优化,也不要和动态接口共用缓存键。
验证:同一文件连续请求两次,第二次应在边缘命中。改文件名或版本号后,新文件应能更新,旧文件仍可保留。
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,不要把静态资源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。
- 图片、脚本和样式分开看命中率。带随机时间戳的地址单独列出。 岛内访问和从台湾出去的跨境访问分成两张表。 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。
- 这三类文件使用长缓存。随机参数要从缓存键里去掉,或停止由客户端添加。 只有跨境变慢时,不要修改只服务岛内的程序逻辑。 这一故障在本步要完成的事:统计一个 ID 被发送的次数。
- 不要对这个域名做会改写文件内容的优化,也不要套用动态接口的规则。 跨境路径单独改调度或回源。岛内解析保持不动。 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。
- 源站只接受真正未命中的文件。同一文件不应在短时间内反复整文件回源。 确认岛内表仍然正常后,再发布跨境这一侧的变更。 这一故障在本步要完成的事:服务端按请求 ID 去重。
- 同一文件连续请求两次,第二次应在边缘命中。更换版本号后,新文件能更新,旧文件仍可保留。 用台湾移动网络和办公网络各测一次,不要只用台北办公室的有线网络。 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。
改完后在台湾的用户网络上复查,不要只在机房内网看。复查时带上静态资源站的验证:同一文件连续请求两次,第二次应在边缘命中。改文件名或版本号后,新文件应能更新,旧文件仍可保留。
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台湾,额外核对:把台湾岛内和从台湾出去的访问分开统计。只有跨境慢时,不要改岛内源站的业务逻辑。
业务侧核对:图片、脚本和样式使用长缓存。带随机时间戳的地址会使缓存失效。
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。每一步都先按静态资源站的路径处理,再按台湾的网络条件收窄,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,地区范围是台湾,业务范围是静态资源站。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。