Webhook重试退避策略计算器
计算Webhook投递失败后按固定间隔或指数退避策略重试的每次延迟时间、总等待时长与最终成功概率。
免费在线工具
Loading…
使用说明
选择退避策略（指数退避或固定间隔）、首次重试延迟、倍率（指数退避时使用）、最大重试次数、单次延迟上限，可选填单次成功率，点击「计算」查看每次重试的具体延迟时间点、总尝试次数、总等待时长，以及（若填写了单次成功率）最终成功概率。
点击「加载示例数据」查看指数退避、首次延迟1秒、倍率2、最多5次重试、上限30秒的典型场景。
功能介绍
本工具是纯前端计算器：
- 指数退避：第n次重试延迟 = 首次延迟 × 倍率^(n-1)，达到延迟上限后不再增长
- 固定间隔：每次重试延迟相同
- 总尝试次数 = 1次首次请求 + 最大重试次数
- 若填写单次成功率p，按各次尝试相互独立假设估算最终成功概率 = 1 - (1-p)^总尝试次数
适合设计Webhook接收方的重试策略、评估当前重试次数是否足够覆盖下游服务的短暂故障。
使用场景
设计Webhook接收端重试策略
评估重试次数与延迟设置是否能覆盖下游短暂故障。
评估是否需要死信队列兜底
当最终成功概率偏低时，判断是否需要引入死信队列或人工介入机制。
对比固定间隔与指数退避
对比两种策略下的总等待时长差异，选择更合适的方案。
常见问题
指数退避和固定间隔该怎么选？
指数退避更适合应对下游服务的持续性故障（避免重试风暴加剧压力），固定间隔更适合应对偶发的瞬时抖动。多数生产级Webhook重试（如Stripe、GitHub）采用指数退避。
最终成功概率的假设是否严谨？
该概率基于各次尝试相互独立且成功率恒定的简化假设，实际中故障往往有相关性（如持续宕机），仅作为参考量级，不代表精确预测。