Golang重试机制，如何应对各种失败的场景
原创
go
go
Go语言教程
2026年6月13日 13:02
陕西
在小说阅读器读本章
去阅读
接口超时了，第一反应就加重试，这地方我一般先皱眉。
不是不能重试，是很多系统被重试打崩的。原本下游只是抖了一下，上游几十台机器一起“帮忙”，每个请求再补三次，流量瞬间翻几倍。日志里看起来很勤奋：
pay callback timeout, retry=1
pay callback timeout, retry=2
pay callback timeout, retry=3
但下游看到的不是勤奋，是踩油门。
重试这东西，在 Go 里写起来太简单，真正麻烦的是判断：什么失败值得重试，什么失败重试就是添乱。
我平时会先把失败分几类。
网络闪断、连接被重置、临时 DNS 抖动，可以重试。
HTTP 502、503、504，可以重试，但要慢一点。
429 这种限流，别傻乎乎马上重试，要看 Retry-After，没有就退避。
业务错误，比如余额不足、参数非法、订单状态不对，别重试。再试十次也还是错。
还有一种最坑：请求其实成功了，只是响应超时。比如扣款接口，服务端已经扣了钱，客户端没收到响应。你再补一枪，业务没有幂等兜底，事故就来了。
所以我写重试，第一行不是 for 循环，而是先写判断函数。
package retryx
import (
\"context\"
\"errors\"
\"math/rand\"
\"net\"
\"net/http\"
\"strconv\"
\"time\"
)
type Result struct {
StatusCode int
Header http.Header
}
type RetryableError interface {
error
Temporary() bool
}
func shouldRetry(res *Result, err error) bool {
if err != nil {
if errors.Is(err, context.Canceled) {
return false
}
if errors.Is(err, context.DeadlineExceeded) {
return true
}
var ne net.Error
if errors.As(err, &ne) {
return ne.Timeout() || ne.Temporary()
}
var re RetryableError
if errors.As(err, &re) {
return re.Temporary()
}
return false
}
if res == nil {
return false
}
switch res.StatusCode {
case http.StatusTooManyRequests,
http.StatusBadGateway,
http.StatusServiceUnavailable,
http.StatusGatewayTimeout:
return true
default:
return false
}
}
这里我不会把 500 一股脑放进去。有些系统的 500 是代码空指针，有些是库存不足也给你包装成 500。这个要看你们接口约定。接口约定不清楚，别在客户端自作聪明。
再看重试主体。
type Config struct {
MaxAttempts int
BaseDelay time.Duration
MaxDelay time.Duration
}
func Do(ctx context.Context, cfg Config, fn func(context.Context) (*Result, error)) (*Result, error) {
if cfg.MaxAttempts <= 0 {
cfg.MaxAttempts = 3
}
if cfg.BaseDelay <= 0 {
cfg.BaseDelay = 80 * time.Millisecond
}
if cfg.MaxDelay <= 0 {
cfg.MaxDelay = 2 * time.Second
}
var lastErr error
var lastRes *Result
for attempt := 1; attempt <= cfg.MaxAttempts; attempt++ {
callCtx, cancel := context.WithTimeout(ctx, 900*time.Millisecond)
res, err := fn(callCtx)
cancel()
lastRes, lastErr = res, err
if !shouldRetry(res, err) {
return res, err
}
if attempt == cfg.MaxAttempts {
break
}
delay := backoff(cfg.BaseDelay, cfg.MaxDelay, attempt)
if res != nil && res.StatusCode == http.StatusTooManyRequests {
if v := retryAfter(res.Header); v > 0 {
delay = v
}
}
select {
case <-ctx.Done():
return lastRes, ctx.Err()
case <-time.After(delay):
}
}
return lastRes, lastErr
}
func backoff(base, max time.Duration, attempt int) time.Duration {
d := base << (attempt - 1)
if d > max {
d = max
}
// 加一点抖动，别让所有机器同一毫秒冲回去
jitter := time.Duration(rand.Int63n(int64(d / 2)))
return d/2 + jitter
}
func retryAfter(h http.Header) time.Duration {
v := h.Get(\"Retry-After\")
if v == \"\" {
return 0
}
sec, err := strconv.Atoi(v)
if err != nil || sec <= 0 {
return 0
}
return time.Duration(sec) * time.Second
}
这段代码里有几个我比较在意的点。
第一个，每次调用都有自己的 timeout。不要只给最外层一个 context，然后里面请求卡住半天。重试不是无限续命，单次调用也必须有边界。
第二个，退避要带 jitter。线上集群最怕整齐，整齐就容易一起死。100 台机器同一时间失败，同一时间 100ms 后重试，再同一时间 200ms 后重试，这不叫容错，这叫排队冲锋。
第三个，最大次数别贪。大部分接口 2 到 3 次已经够了。再多通常不是“恢复”，而是在扩大故障面。
HTTP 请求可以这么包一层：
func callInventory(ctx context.Context, client *http.Client, sku string) error {
_, err := retryx.Do(ctx, retryx.Config{
MaxAttempts: 3,
BaseDelay: 100 * time.Millisecond,
MaxDelay: 800 * time.Millisecond,
}, func(c context.Context) (*retryx.Result, error) {
req, _ := http.NewRequestWithContext(c, http.MethodPost,
\"http://inventory-inner/lock?sku=\"+sku, nil)
resp, err := client.Do(req)
if err != nil {
return nil, err
}
defer resp.Body.Close()
return &retryx.Result{
StatusCode: resp.StatusCode,
Header: resp.Header,
}, nil
})
return err
}
但这还不够。
只要接口涉及“写”，我一定会问一句：有没有幂等键？
比如创建订单、扣库存、发优惠券，这些操作不能靠客户端“少重试一点”来保平安。客户端会超时，网关会重放，MQ 会重复投递，人还会手工补偿。没有幂等，迟早出事。
请求里带一个业务唯一键，服务端按这个键去重：
func buildIdempotentKey(userID, bizNo string) string {
return \"lock_stock:\" + userID + \":\" + bizNo
}
这个 key 不要用随机 UUID 糊弄。随机 UUID 每次重试都不一样，那叫制造重复，不叫幂等。
数据库失败也一样，不是所有 error 都能重试。
死锁、锁等待超时，可以短暂重试。唯一键冲突，大概率说明请求已经处理过，应该查结果，不是再插一遍。SQL 语法错误、字段超长，重试没有意义。
MQ 发送失败也要小心。生产者发送超时，消息可能已经进 broker 了。你再发一次，消费者必须能扛重复。别把“生产者重试”和“消费者幂等”拆开看，它们是同一个坑的两边。
日志也别只打一行 retry。
我更喜欢这种：
retry call=lock_stock sku=10086 attempt=2 cost=904ms delay=187ms err=\"context deadline exceeded\"
线上排障时，这一行比一堆“调用失败”有用多了。至少能看出来第几次失败、睡了多久、是不是单次 timeout 太短。
最后还有个东西容易被忽略：重试预算。
一个接口本来 QPS 1000，下游抖动后每个请求重试 3 次，理论流量直接变 3000。所以上游最好配合限流或者熔断。重试救的是偶发失败，不是拿来硬扛下游雪崩的。
我见过不少代码，失败就 for 三次，sleep 一秒，最后还把原始错误吞了，只返回一句“系统繁忙”。这种代码短期看没问题，真到线上出事，查起来很恶心。
重试机制写到最后，其实就几句话：
能判断的失败再重试。
写操作先谈幂等。
退避必须带抖动。
次数别贪。
日志要留下现场。
否则你以为自己写的是容错，线上看起来更像放大器。
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论