深入解析Polly v8中的重试后回调机制实现
2025-05-16 05:14:10作者:裘旻烁
背景介绍
在分布式系统开发中,网络请求失败是常见现象。Polly作为.NET生态中广受欢迎的弹性策略库,提供了强大的重试机制来应对这类问题。标准重试策略中的OnRetry回调会在每次重试前执行,但某些场景下我们更需要在重试失败后执行特定操作。
标准重试机制分析
Polly v8的重试策略默认行为如下:
- 首次尝试执行并失败
- 触发OnRetry回调(携带首次尝试结果)
- 进行第一次重试并失败
- 再次触发OnRetry回调(携带第一次重试结果)
- 依此类推直到重试次数耗尽
这种设计存在两个关键特点:
- OnRetry会在原始尝试失败后立即执行
- 最后一次重试失败后不会触发OnRetry
实现重试后回调的方案
1. 扩展策略选项
首先需要创建自定义策略选项类,添加重试后回调属性:
public class CustomRetryStrategyOptions<TResult>: RetryStrategyOptions<TResult>
{
public Func<OnRetryArguments<TResult>, ValueTask>? OnFailedRetry { get; set; }
}
2. 创建后置处理策略
实现一个专门用于重试后处理的策略:
internal sealed class LogAfterStrategy<TResult>: ResilienceStrategy<TResult>
{
protected override async ValueTask<Outcome<TResult>> ExecuteCore<TState>(
Func<ResilienceContext, TState, ValueTask<Outcome<TResult>>> callback,
ResilienceContext context,
TState state)
{
var outcome = await callback(context, state);
var shouldRetryArgs = new RetryPredicateArguments<TResult>(context, outcome, options.MaxRetryAttempts);
var handle = await options.ShouldHandle(shouldRetryArgs);
if(handle)
{
var args = new OnRetryArguments<TResult>(context, outcome, options.MaxRetryAttempts,
TimeSpan.Zero, TimeSpan.Zero);
await options.OnFailedRetry(args);
}
return outcome;
}
}
3. 构建组合策略管道
将标准重试策略与后置处理策略组合:
public static ResiliencePipelineBuilder<TResult> AddCustomRetry<TResult>(
this ResiliencePipelineBuilder<TResult> builder,
CustomRetryStrategyOptions<TResult> options)
{
return builder
.AddStrategy(context => new LogAfterStrategy<TResult>(options), options)
.AddRetry(new() {
// 配置标准重试参数...
OnRetry = async args => {
if(options.OnRetry != null)
await options.OnRetry(args);
if(options.OnFailedRetry != null && args.AttemptNumber > 0)
await options.OnFailedRetry(args);
}
});
}
实际应用示例
var pipeline = new ResiliencePipelineBuilder<int>()
.AddCustomRetry(new CustomRetryStrategyOptions<int>
{
ShouldHandle = args => PredicateResult.True(),
Delay = TimeSpan.FromSeconds(0.1),
MaxRetryAttempts = 3,
OnFailedRetry = static args => {
Console.WriteLine($"重试失败: {args.Outcome}");
return default;
}
})
.Build();
int attempt = 0;
pipeline.Execute(() => {
Console.WriteLine($"第{attempt}次尝试");
return attempt++;
});
技术要点解析
- 执行顺序控制:通过策略管道的注册顺序确保后置处理逻辑在重试策略之后执行
- 首次尝试过滤:通过
args.AttemptNumber > 0条件排除首次尝试的误触发 - 结果处理:在最终策略中检查ShouldHandle结果决定是否执行回调
- 上下文传递:保持ResilienceContext的延续性配置
适用场景建议
这种模式特别适合以下场景:
- 精确的失败日志记录:在每次重试确实失败后记录详细信息
- 资源清理:重试失败后释放临时资源
- 状态同步:在多节点系统中同步失败状态
- 渐进式降级:根据连续失败次数调整后续请求策略
性能考量
实现时需注意:
- 异步回调应配置正确的
ContinueOnCapturedContext - 复杂逻辑应考虑使用缓冲或批处理减少IO操作
- 高频场景建议对回调进行性能测试
- 避免在回调中执行长时间阻塞操作
通过这种扩展方式,开发者可以在不修改Polly核心代码的情况下,灵活地实现各种自定义重试后处理逻辑,大大增强了系统的可观测性和可控性。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥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
65
19
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
19
30