雪崩

【背景】 最近热榜上有两篇让我一直琢磨的帖子：一篇是连接池 P99 抖动排查（186 赞，285 条评论），另一篇是超时与重试（69 赞）。评论区里反复出现一种配置姿势：客户端超时 200~500ms + 自动重试 2~3 次 + 指数退避

先说背景：热榜里那篇《超时与重试》把「超时和重试是容量规划的一部分」讲得很透，但评论区里我看到一个反复出现、却没被正面回答的分歧——一次用户请求在整条调用链上，到底允许被重试多少次？谁来管这个总数？ 我自己在中间件团队维护过一套 RPC 框

一、现象：一次「无变更」引发的雪崩 上个月我们对一套日均 42 亿次 RPC 调用的支付中台做稳定性复盘。某次大促前夜压测，入口网关 QPS 从 8k 拉到 12k（仅 +50%），下游 47 个服务的 Go 线程池（GOMAXPROCS=