使用Polly实现多请求并发下的授权码刷新策略
2025-05-16 04:49:31作者:昌雅子Ethen
在分布式系统开发中,处理授权令牌过期是一个常见挑战。本文将深入探讨如何在使用Polly库时,优雅地处理并发请求中的授权令牌刷新问题。
问题背景
在现代应用开发中,我们经常需要处理HTTP请求的授权问题。当多个并发请求同时遇到授权令牌过期时,简单的重试机制可能导致多次不必要的令牌刷新操作,这不仅浪费资源,还可能引发竞态条件。
核心挑战
在多请求并发场景下,主要面临两个技术难点:
- 重复刷新问题:当多个请求同时检测到令牌过期时,每个请求都可能触发独立的刷新操作
- 头信息同步:刷新后的新令牌需要及时同步到所有后续请求中
Polly解决方案
Polly作为.NET生态中强大的弹性策略库,提供了完善的机制来处理这类问题。
基础重试策略
我们可以构建一个基础的异步重试策略来处理授权失败:
public static AsyncRetryPolicy<HttpResponseMessage> AuthEnsuringPolicy = Policy<HttpResponseMessage>
.HandleResult(r => r.StatusCode == HttpStatusCode.Unauthorized)
.RetryAsync(1, onRetryAsync: async (ex, i, context) =>
{
// 令牌刷新逻辑
});
并发控制机制
为了防止多个请求同时触发刷新操作,我们引入SemaphoreSlim实现互斥访问:
private static readonly SemaphoreSlim _semaphoreSlim = new(1);
private DateTime? _lastRefreshed;
public async Task<bool> RefreshTokenAsync(HttpClient httpClient)
{
await _semaphoreSlim.WaitAsync();
try
{
if(_lastRefreshed.HasValue && DateTime.UtcNow - _lastRefreshed < TimeSpan.FromSeconds(3))
{
return false; // 短时间内已刷新过
}
// 执行令牌刷新
_lastRefreshed = DateTime.UtcNow;
}
finally
{
_semaphoreSlim.Release();
}
return true;
}
完整策略实现
结合Polly上下文和并发控制,我们可以构建完整的解决方案:
- 策略配置:
var wrapOfRetryAndFallback = Policy.WrapAsync(
Policy.HandleResult<HttpResponseMessage>(r => !r.IsSuccessStatusCode)
.FallbackAsync(fallbackAction, onFallBackAsync),
AuthEnsuringPolicy
);
- HTTP客户端注册:
services.AddHttpClient("NamedClient")
.AddPolicyHandler(wrapOfRetryAndFallback);
- 请求执行:
var context = new Context
{
{ "httpClient", httpClient },
{ "cancellationTokenSource", new CancellationTokenSource() }
};
requestMessage.SetPolicyExecutionContext(context);
最佳实践
- 令牌刷新频率控制:通过时间戳记录避免频繁刷新
- 头信息原子操作:确保头信息的更新是线程安全的
- 合理的重试间隔:采用指数退避策略避免服务器过载
- 上下文传递:利用Polly上下文共享HTTP客户端实例
总结
通过结合Polly的重试策略和.NET的并发控制机制,我们可以优雅地解决多请求并发下的授权令牌刷新问题。这种方案不仅保证了系统的稳定性,还优化了资源利用率,是构建健壮分布式系统的重要模式之一。
在实际应用中,开发者还需要考虑令牌刷新的失败处理、日志记录等周边问题,以构建更加完善的授权管理机制。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0423
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0741
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0298
PromptXPromptX · 领先的AI 智能体上下文平台 | PromptX · Leading AI Agent Context PlatformJavaScript05
项目优选
收起
暂无描述
Markdown
818
5.42 K
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
488
509
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
791
1.11 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
953
2.25 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
765
1.54 K
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++
1.2 K
1.23 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.82 K
741
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
618
238
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
415
298