3.1.1.2 重试策略与超时控制

文档摘要

3.1.1.2 重试策略与超时控制 3.1.1.2 重试策略与超时控制：一次雪崩前夜的抢救——我们是如何用“指数退避+熔断感知型重试”救回支付链路的凌晨两点十七分，监控告警像子弹一样打穿值班工程师的睡眠。的接口错误率从 0.03% 突跃至 92%，P99 延迟从 187ms 暴涨至 4.2s，下游的 CPU 持续飙高至 98%，而的 RabbitMQ 队列深度在 3 分钟内堆积到 217 万条——这不是压测，这是真实发生的生产事故。更讽刺的是：所有服务健康检查全绿，K8s readiness probe 返回 200，Prometheus 的指标稳如泰山。系统在“活着”的状态下，正高速走向瘫痪。我们花了 47 分钟定位根因。