リトライバジェット とは？

再試行で成功することもあるけれど、障害中のサービスへ追加の負荷をかけるよ。再試行が重なって復旧を妨げる場合もある。そこで一定範囲の再試行量に上限を設けるのが、リトライバジェットの考え方なんだ。

それは要求ごとの回数制限だね。多くの要求が同時に失敗すると、それぞれが少ない回数でも再試行全体は多くなる。予算では、クライアントやプロセスなど、管理する範囲全体の再試行量も抑えるんだ。

10%はGoogleのSRE書籍にあるクライアント単位の設定例だよ。別の節では1プロセスで1分間に60回という例もある。Envoyは同時実行する再試行の予算を扱う。何を数え、どの範囲・時間で制限するかを決めてから、適切な値を選ぶんだ。

バックオフは次の再試行までの待ち時間を増やす方法で、予算は再試行の量を抑えるよ。Envoyではサーキットブレーカーの設定にretry_budgetが含まれるなど、仕組みは重なる場合もある。名称だけで完全に別の機能と決めず、実装を確認しよう。

別の指標だよ。エラーバジェットはSLOに基づき、一定期間で許容する失敗の程度を扱う。リトライバジェットは、再試行が作る追加負荷の上限を扱う。「予算」という名前が同じでも、数える対象が違うんだ。

入力の不備など、繰り返しても直らないエラーは再試行しない判断が必要だよ。複数の層がそれぞれ再試行すると、取得先への要求が何倍にも増える場合もある。回数と予算だけでなく、待ち時間・処理期限・どの層が再試行するかも合わせて設計しよう。