HN 日本語サマリー

← 一覧へ戻る
プログラミング

リトライストームラボ

Retry Storm Lab (github.com)

7 pointsby flurly0 コメント

要約

Retry Storm Labは、部分的な依存関係の障害とリトライポリシーをシミュレートするPython製ツールです。リトライがサービスの回復を妨げ、負荷を増幅させるシナリオを可視化し、即時、固定、指数関数的、フルジッターバックオフといった異なるリトライ戦略の効果を比較分析します。本ツールは、リトライのダイナミクスを理解しやすくするためのシンプルなキューイングモデルとして設計されています。

全文翻訳

Retry Storm Lab

リトライは無料ではありません。リカバリーポリシーがアウトエージ(障害)になるタイミングを確認しましょう。

Retry Storm Labは、部分的な依存関係の障害をシミュレートする決定論的なPythonシミュレーターです。フレッシュなリクエストとリトライが同じ容量を奪い合う様子をモデル化し、即時、固定間隔、指数関数的、フルジッターバックオフの各ポリシーを比較します。

[画像: Retry Storm Lab が依存関係の障害シミュレーションを示している]

なぜこれが存在するのか

障害が短時間で、かつ予備容量が存在する場合、リトライは信頼性を向上させます。しかし、持続的な部分障害の間は、同期したクライアントが代わりに需要を増幅させ、フレッシュなリクエストを枯渇させ、回復中のサービスを過負荷状態に保つ可能性があります。

このシミュレーターは、そのフィードバックループを可視化します。

  • 一定のリクエストストリームを生成します。
  • 設定可能な障害ウィンドウ中に、成功する容量を減少させます。
  • 選択されたポリシーを使用して、失敗したリクエストや過負荷になったリクエストを再スケジュールします。
  • 増幅率、ピーク需要、放棄されたリクエスト、回復時間を測定します。
  • 4つのポリシーすべてを、全く同じシナリオとランダムシードで比較します。

これは意図的に小さなキューイングモデルであり、本番環境のキャパシティプランナーではありません。ネットワーク遅延の分布、クライアントタイムアウト、オートスケーリング、サーキットブレーカー、相関するダウンストリーム障害などは省略されています。その役割は、リトライのダイナミクスを検査し、議論しやすくすることです。

インタラクティブなラボを実行する

Python 3.11 以降が必要です。

python -m venv .venv
source .venv/bin/activate
pip install -e .
streamlit run app.py

http://localhost:8501 を開き、プリセットを選択し、サイドバーからワークロードを調整します。

CLI を使用する

retry-storm-lab --preset "Rate-limit spiral" --compare
retry-storm-lab --preset "Slow recovery" --policy full_jitter --json

比較例:

immediate    amplification=1.11x peak=2720 rps success=97.2% recovery=1s
fixed        amplification=1.08x peak=1600 rps success=99.9% recovery=3s
exponential  amplification=1.07x peak=1600 rps success=100.0% recovery=3s
full_jitter  amplification=1.10x peak=1651 rps success=99.9% recovery=3s

正確な値は、選択されたプリセットとシードによって異なります。

シミュレーションエンジンを使用する

from retry_storm_lab import BackoffPolicy, SimulationConfig, simulate

result = simulate(
    SimulationConfig(
        baseline_rps=800,
        server_capacity_rps=1_000,
        outage_failure_percent=80,
        policy=BackoffPolicy.FULL_JITTER,
    )
)

print(result.amplification_factor)
print(result.peak_rps)
print(result.recovery_seconds)

エンジンは集計された100msバケットを使用します。フルジッターはシード付き擬似乱数ジェネレーターを使用してリトライを個別に分散するため、同じ構成は常に同じ結果を生成します。

オプションの集計テレメトリ

このラボは完全にオフラインで動作します。Telemetry で集計された使用状況バンドを記録するには、オプションの依存関係をインストールし、プロジェクトAPIキーを提供してください。

pip install -e '.[telemetry]'
export TELEMETRY_API_KEY=your_project_api_key
streamlit run app.py

送信されるのは、選択されたポリシー、広範な容量/増幅バンド、および実行が回復したかどうかのみです。生のワークロード値やタイムラインデータはログに記録されません。

開発

python -m unittest discover -s tests -v
python -m compileall app.py retry_storm_lab

ライセンス

MIT