WebApiClient中实现请求失败自动重试机制的最佳实践
2025-07-04 02:31:16作者:何将鹤
在基于WebApiClient开发API客户端时,我们经常会遇到需要处理特定错误码并自动重试请求的场景。本文将深入探讨如何利用WebApiClient的特性实现这一功能。
核心需求分析
在实际业务中,常见的重试场景包括:
- 访问令牌(Token)过期时自动刷新并重试
- 服务端返回限流错误码时延迟重试
- 网络抖动导致的临时失败自动重试
解决方案架构
WebApiClient提供了完善的拦截器机制,我们可以通过实现IApiActionFilter接口来创建自定义的请求过滤器。以下是实现自动重试的核心步骤:
- 创建重试过滤器:
public class RetryFilter : Attribute, IApiActionFilter
{
public async Task OnRequestAsync(ApiRequestContext context)
{
// 请求前逻辑
}
public async Task OnResponseAsync(ApiResponseContext context)
{
if (NeedRetry(context))
{
// 执行重试逻辑
await RetryRequestAsync(context);
}
}
}
- 判断重试条件:
private bool NeedRetry(ApiResponseContext context)
{
// 解析响应内容
var json = context.ResponseMessage.Content.ReadAsStringAsync().Result;
var result = JsonConvert.DeserializeObject<ApiResult>(json);
// 检查错误码
return result.Code == 401; // Token过期
}
- 实现重试逻辑:
private async Task RetryRequestAsync(ApiResponseContext context)
{
// 1. 刷新Token
var newToken = await RefreshTokenAsync();
// 2. 更新请求头
context.HttpApiConfig.HttpClient.DefaultRequestHeaders
.Authorization = new AuthenticationHeaderValue("Bearer", newToken);
// 3. 重新发送请求
var response = await context.HttpApiClient.SendAsync(
context.ApiActionDescriptor,
context.HttpApiConfig,
context.RequestMessage);
// 4. 更新响应上下文
context.ResponseMessage = response;
}
高级配置选项
对于更复杂的场景,我们可以扩展重试策略:
- 指数退避重试:
private async Task RetryWithBackoff(ApiResponseContext context, int retryCount)
{
var delay = (int)Math.Pow(2, retryCount) * 100;
await Task.Delay(delay);
await RetryRequestAsync(context);
}
- 最大重试次数限制:
[AttributeUsage(AttributeTargets.Method)]
public class RetryFilter : Attribute, IApiActionFilter
{
public int MaxRetryCount { get; set; } = 3;
// 在OnResponseAsync中使用计数器控制重试次数
}
实际应用示例
将重试过滤器应用到API接口:
public interface IUserApi : IHttpApi
{
[HttpGet("/api/users")]
[RetryFilter(MaxRetryCount = 3)]
ITask<List<User>> GetUsersAsync();
}
最佳实践建议
- 幂等性考虑:确保重试的操作是幂等的,避免重复提交导致数据不一致
- 性能监控:记录重试次数和延迟时间,用于性能分析和优化
- 熔断机制:当重试失败达到阈值时,应触发熔断避免系统雪崩
- 差异化处理:根据不同的错误码采用不同的重试策略
通过以上实现,我们可以构建出健壮的API客户端,自动处理各种临时性故障,提升系统的稳定性和用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.71 K
Ascend Extension for PyTorch
Python
328
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
876
577
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
161
暂无简介
Dart
762
187
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
745
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
135