深入解析Polly v8中的重试后回调机制实现
2025-05-16 21:49:25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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
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
🎉 (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
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873