【代码鉴赏】简单优雅的JavaScript代码片段（二）：流控和重试

本系列上一篇文章：【代码鉴赏】简单优雅的JavaScript代码片段（一）：异步控制

流控（又称限流，控制调用频率）

后端为了保证系统稳定运行，往往会对调用频率进行限制（比如每人每秒不得超过10次）。为了避免造成资源浪费或者遭受系统惩罚，前端也需要主动限制自己调用API的频率。

前端需要大批量拉取列表时，或者需要对每一个列表项调用API查询详情时，尤其需要进行限流。

这里提供一个流控工具函数wrapFlowControl，它的好处是：

• 使用简单、对调用者透明：只需要包装一下你原本的异步函数，即可得到拥有流控限制的函数，它与原本的异步函数使用方式相同。const apiWithFlowControl = wrapFlowControl(callAPI, 2);
• 不会丢弃任何一次调用（不像防抖或节流）。每一次调用都会被执行、得到相应的结果。只不过可能会为了控制频率而被延迟执行。

使用示例：

// 创建了一个调度队列
const apiWithFlowControl = wrapFlowControl(callAPI, 2);

// ......

<button
  onClick={() => {
    const count = ++countRef.current;
    // 请求调度队列安排一次函数调用
    apiWithFlowControl(count).then((result) => {
      // do something with api result
    });
  }}
>
  Call apiWithFlowControl
</button>

codesandbox在线示例

这个方案的本质是，先通过wrapFlowControl创建了一个调度队列，然后在每次调用apiWithFlowControl的时候，请求调度队列安排一次函数调用。

wrapFlowControl的代码实现：

const ONE_SECOND_MS = 1000;

/**
 * 控制函数调用频率。在任何一个1秒的区间，调用fn的次数不会超过maxExecPerSec次。
 * 如果函数触发频率超过限制，则会延缓一部分调用，使得实际调用频率满足上面的要求。
 */
export function wrapFlowControl<Args extends any[], Ret>(
  fn: (...args: Args) => Promise<Ret>,
  maxExecPerSec: number
) {
  if (maxExecPerSec < 1) throw new Error(`invalid maxExecPerSec`);
  // 调度队列，记录将要执行的任务
  const queue: QueueItem[] = [];
  // 最近一秒钟的执行记录，用于判断执行频率是否超出限制
  const executed: ExecutedItem[] = [];

  return function wrapped(...args: Args): Promise<Ret> {
    return enqueue(args);
  };

  function enqueue(args: Args): Promise<Ret> {
    return new Promise((resolve, reject) => {
      queue.push({ args, resolve, reject });
      scheduleCheckQueue();
    });
  }

  function scheduleCheckQueue() {
    const nextTask = queue[0];
    // 仅在queue为空时，才会停止scheduleCheckQueue递归调用
    if (!nextTask) return;
    cleanExecuted();
    if (executed.length < maxExecPerSec) {
      // 最近一秒钟执行的数量少于阈值，才可以执行下一个task
      queue.shift();
      execute(nextTask);
      scheduleCheckQueue();
    } else {
      // 过一会再调度
      const earliestExecuted = executed[0];
      const now = new Date().valueOf();
      const waitTime = earliestExecuted.timestamp + ONE_SECOND_MS - now;
      setTimeout(() => {
        // 此时earliestExecuted已经可以被清除，给下一个task的执行提供配额
        scheduleCheckQueue();
      }, waitTime);
    }
  }

  function cleanExecuted() {
    const now = new Date().valueOf();
    const oneSecondAgo = now - ONE_SECOND_MS;
    while (executed[0]?.timestamp <= oneSecondAgo) {
      executed.shift();
    }
  }

  function execute({ args, resolve, reject }: QueueItem) {
    const timestamp = new Date().valueOf();
    fn(...args).then(resolve, reject);
    executed.push({ timestamp });
  }

  type QueueItem = {
    args: Args;
    resolve: (ret: Ret) => void;
    reject: (error: any) => void;
  };

  type ExecutedItem = {
    timestamp: number;
  };
}

延迟确定函数逻辑

从上面的示例可以看出，在使用wrapFlowControl的时候，你需要预先定义好异步函数callAPI的逻辑，才能得到流控函数。

但是在一些特殊场景中，我们要在发起调用的时候，才确定异步函数应该执行什么逻辑。即将“定义时确定”推迟到“调用时确定”。因此我们实现了另一个工具函数createFlowControlScheduler。

在上面的使用示例中，DemoWrapFlowControl就是一个例子：我们在用户点击按钮的时候，才决定要调用API1还是API2。

// 创建一个调度队列
const scheduleCallWithFlowControl = createFlowControlScheduler(2);

// ......

<div style={{ marginTop: 24 }}>
  <button
    onClick={() => {
      const count = ++countRef.current;
      // 在调用时才决定要执行的异步操作
      // 将异步操作加入调度队列
      scheduleCallWithFlowControl(async () => {
        // 流控会保障这个异步函数的执行频率
        if (count % 2 === 1) {
          return callAPI1(count);
        } else {
          return callAPI2(count);
        }
      }).then((result) => {
        // do something with api result
      });
    }}
  >
    Call scheduleCallWithFlowControl
  </button>
</div>

codesandbox在线示例

这个方案的本质是，先通过createFlowControlScheduler创建了一个调度队列，然后每当scheduleCallWithFlowControl接受到一个异步任务，就会将它加入调度队列。调度队列会确保所有异步任务都被调用（按照加入队列的顺序），并且任务执行频率不超过指定的值。

createFlowControlScheduler的实现其实非常简单，基于前面的wrapFlowControl实现：

/**
 * 类似于wrapFlowControl，只不过将task的定义延迟到调用wrapper时才提供，
 * 而不是在创建flowControl wrapper时就提供
 */
export function createFlowControlScheduler(maxExecPerSec: number) {
  return wrapFlowControl(async <T>(task: () => Promise<T>) => {
    return task();
  }, maxExecPerSec);
}

如何改造我们的工具函数，让它能够支持“每分钟不得超过n次”的频率限制？
如何改造我们的工具函数，让它能够同时支持“每秒钟不得超过n次”且“每分钟不得超过m次”的频率限制？如何实现更灵活的调度队列？

举个例子，频率限制为“每秒钟不得超过10次”且“每分钟不得超过30次”。它的意义在于，允许短时间内的突发高频调用（通过放松秒级限制），同时又阻止高频调用持续太长之间（通过分钟级限制）。

前面我们已经得到了一个在前端限制调用频率的方案。但是，即使我们已经在前端限制了调用频率，依然可能遇到错误：

1. 前端的流控无法完全满足后端的流控限制。后端可能会对所有用户的调用之和做一个整体限制。比如所有用户的调用频率不能超过每秒一万次，前端流控无法对齐这种限制。
2. 非流控错误。比如后端服务或网络不稳定，造成的短暂不可用。

因此，面对这些前端不可避免的错误，需要通过重试来得到结果。这里提供一个重试工具函数wrapRetry，它的好处是：

• 使用简单、对调用者透明：与前面的流控工具函数一样，只需要包装一下你原本的异步函数，即可得到自动重试的函数，它与原本的异步函数使用方式相同。
• 支持自定义要重试的错误类型、重试次数、重试等待时间。

使用方式：

const apiWithRetry = wrapRetry(
  callAPI,
  (error, retryCount) => error.type === "throttle" && retryCount <= 5
);

它的使用方式与wrapFlowControl类似。

wrapRetry代码实现：

/**
 * 捕获到特定的失败以后会重试。适合无副作用的操作。
 * 比如数据请求可能被流控拦截，就可以用它来做自动重试。
 */
export function wrapRetry<Args extends any[], Ret>(
  fn: (...args: Args) => Promise<Ret>,
  shouldRetry: (error: any, retryCount: number) => boolean,
  startRetryWait: number = 1000
) {
  return async function wrapped(...args: Args): Promise<Ret> {
    return callFn(args, startRetryWait, 0);
  };

  async function callFn(
    args: Args,
    wait: number,
    retryCount: number
  ): Promise<Ret> {
    try {
      return await fn(...args);
    } catch (error) {
      if (shouldRetry(error, retryCount)) {
        if (wait > 0) await timeout(wait);
        // nextWait是wait的 1 ~ 2 倍
        // 如果startRetryWait是0，则wait总是0
        const nextWait = wait * (Math.random() + 1);
        return callFn(args, nextWait, retryCount + 1);
      } else {
        throw error;
      }
    }
  }
}

function timeout(wait: number) {
  return new Promise((res) => {
    setTimeout(() => {
      res(null);
    }, wait);
  });
}

其中，我们增加了一个优化点：让重试等待时间逐步增加。比如，第2次重试的等待时间是第一次重试等待时间的1 ~ 2 倍。这是为了尽可能减少调用次数，避免给正处于不稳定的后端带来更多压力。

没有选择2倍增加，是为了避免重试等待时间太长，降低用户体验。

值得一提的是，自动重试可以与前面的限流工具组合起来使用（得益于它们都对调用者透明，不改变函数使用方式）：

const apiWithFlowControl = wrapFlowControl(callAPI, 2);
const apiWithRetry = wrapRetry(
  apiWithFlowControl,
  (error, retryCount) => error.type === "throttle" && retryCount <= 5
);

注意，限流包装在内部，重试包装在外部，这样才能保证重试发起的请求也能受到限流的控制。