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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
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
暂无简介
Dart
801
199
🎉 (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
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
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
350
203
Ascend Extension for PyTorch
Python
379
453
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1