Antrean Surat Mati dan Strategi Percobaan Ulang
Pelajari cara menangani pesan yang gagal diproses menggunakan percobaan ulang dengan jeda bertahap, batas pengiriman ulang, dan antrean surat mati agar pipeline asinkron tetap andal.
Antrean Surat Mati dan Strategi Percobaan Ulang adalah pelajaran API Rate Limiting & Scalability Patterns gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar API Rate Limiting & Scalability Patterns, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus API Rate Limiting & Scalability Patterns mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
When Messages Fail
In an async pipeline, a consumer can fail to process a message — a bug, a bad payload, or a downstream outage. Without a plan, that message can block the queue or be lost.
This lesson covers retries and the dead letter queue.
Acknowledgements
A consumer acks a message to confirm successful processing. If it nacks (or never acks), the broker can redeliver it.
Acking before doing the work risks loss; ack only after success.
msg = queue.receive()
process(msg)
msg.ack() # only after successNaive Retries Are Dangerous
Immediately re-processing a failed message can create a tight loop that hammers a struggling downstream service — a self-inflicted outage.
You need delay and a limit.
Exponential Backoff
Wait longer after each failed attempt: 1s, 2s, 4s, 8s. This gives a transient problem time to recover instead of pounding it.
def delay(attempt):
return min(2 ** attempt, 60)Jitter
If many consumers back off on the same schedule, they retry in sync — a thundering herd. Add random jitter to spread retries out.
import random
def delay(attempt):
base = min(2 ** attempt, 60)
return base / 2 + random.uniform(0, base / 2)Max Retry Limit
Some failures never succeed — a malformed message is poison. After a fixed number of attempts, stop retrying and move the message aside.
The Dead Letter Queue
A dead letter queue (DLQ) is a separate queue where messages go after exhausting retries. The main pipeline keeps flowing while failures are quarantined for inspection.
if msg.attempts >= MAX_RETRIES:
dlq.send(msg)
else:
requeue(msg, delay(msg.attempts))Inspecting the DLQ
The DLQ is your debugging surface. Engineers review failed messages, find the root cause, fix code or data, and then replay them back into the main queue.
Idempotent Consumers
Retries mean a message may be processed more than once. Make handlers idempotent — processing the same message twice yields the same result, for example by tracking processed message IDs.
if seen.contains(msg.id):
msg.ack() # already handled
else:
process(msg)
seen.add(msg.id)Alerting on the DLQ
A growing DLQ is a signal something is broken. Alert when its depth crosses a threshold so failures get human attention before they pile up.
Poison Message Patterns
Some failures repeat no matter how many times you retry — a malformed payload, a missing referenced record. Detect these early by inspecting the error type: route deterministic, non-transient failures straight to the DLQ instead of wasting retry attempts.
if is_permanent(error):
dlq.send(msg) # no point retrying
else:
requeue(msg, delay(msg.attempts))Quick Check
Test your understanding of failure handling.
Recap
You learned to handle message failures:
- Ack after success, nack to redeliver
- Exponential backoff with jitter spaces retries
- A retry limit protects against poison messages
- A DLQ quarantines failures for inspection and replay
- Make consumers idempotent
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Antrean Surat Mati dan Strategi Percobaan Ulang” gratis?
Ya — teks lengkap “Antrean Surat Mati dan Strategi Percobaan Ulang” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus API Rate Limiting & Scalability Patterns, upgrade ke CoddyKit PRO. Kursus API Rate Limiting & Scalability Patterns mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Antrean Surat Mati dan Strategi Percobaan Ulang”?
Pelajari cara menangani pesan yang gagal diproses menggunakan percobaan ulang dengan jeda bertahap, batas pengiriman ulang, dan antrean surat mati agar pipeline asinkron tetap andal. Kamu berlatih API Rate Limiting & Scalability Patterns dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai API Rate Limiting & Scalability Patterns?
Tidak diperlukan pengalaman sebelumnya. API Rate Limiting & Scalability Patterns di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Antrean Surat Mati dan Strategi Percobaan Ulang” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran API Rate Limiting & Scalability Patterns ini?
Ya. Setiap pelajaran API Rate Limiting & Scalability Patterns menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Pengantar API Asinkron
- Dasar-Dasar Antrean Pesan
- Menerapkan Tugas Latar Belakang
- Antrean Surat Mati dan Strategi Percobaan Ulang