0Pricing
API Rate Limiting & Scalability Patterns · Урок

Обработка превышения ограничения частоты

Изучите лучшие практики реагирования на нарушения ограничений частоты, включая коды состояния HTTP 429 и заголовки retry-after.

«Обработка превышения ограничения частоты» — бесплатный урок API Rate Limiting & Scalability Patterns на CoddyKit. Это урок 3 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения API Rate Limiting & Scalability Patterns, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс API Rate Limiting & Scalability Patterns содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

What Happens When You Hit a Limit?

Imagine an API as a busy service counter. If too many people (requests) try to get help at once, the counter gets overwhelmed.

Rate limiting helps manage this traffic. But what happens when you, as an API client, send too many requests and hit that limit?

The API needs a way to tell you to slow down, and you need to know how to respond gracefully.

HTTP 429: Too Many Requests

The standard way for an API to signal that you've exceeded a rate limit is by returning an HTTP 429 Too Many Requests status code.

  • It's a clear, machine-readable signal.
  • It tells your application, "Hey, you've sent too many requests in a given time period."
  • It's crucial for both server stability and client guidance.

Guiding Retries with Retry-After

Just saying "429 Too Many Requests" isn't enough. Clients need to know when they can try again. That's where the Retry-After HTTP header comes in.

This header tells the client how long to wait before making another request. It can be:

  • A number of seconds (e.g., Retry-After: 60 for 60 seconds).
  • A specific date and time (e.g., Retry-After: Tue, 01 Mar 2024 10:00:00 GMT).

Server: Sending a 429 Response

As an API provider, you need to implement logic to detect rate limit violations and respond correctly. Here's a conceptual Java example of how a server might simulate sending a 429 response with a Retry-After header.

public class Main {
  public static void main(String[] args) {
    int requestsMade = 5;
    int limit = 3;
    
    System.out.println("Simulating a server response...");
    
    if (requestsMade > limit) {
      System.out.println("HTTP/1.1 429 Too Many Requests");
      System.out.println("Content-Type: text/plain");
      System.out.println("Retry-After: 60"); // Wait 60 seconds
      System.out.println("\nBody: You have exceeded your rate limit.");
    } else {
      System.out.println("HTTP/1.1 200 OK");
      System.out.println("Content-Type: text/plain");
      System.out.println("\nBody: Request successful!");
    }
  }
}

Client: Understanding When to Retry

When your client application receives a 429 response, it should parse the Retry-After header. This is critical for smart retrying.

  • If the value is a number, convert it to milliseconds and wait.
  • If it's a date, calculate the difference to determine the wait time.

Ignoring this header can lead to continued rate limit violations or even getting blocked.

Smart Retries: Exponential Backoff

What if the API doesn't send a Retry-After header, or you need a general strategy? Exponential backoff is a common and effective pattern.

Instead of retrying immediately, you wait for an increasingly longer period after each failed attempt. This reduces the load on the server and gives it time to recover.

  • Start with a small initial delay (e.g., 1 second).
  • Double the delay after each consecutive failure (1s, 2s, 4s, 8s...).
  • Set a maximum number of retries or a maximum delay.

Client: Exponential Backoff Example

Here's how you might implement a simple exponential backoff strategy in Java. This example simulates an API call that initially fails, then succeeds after a delay.

public class Main {
  public static void main(String[] args) {
    int maxRetries = 3;
    long delay = 1000; // Start with 1 second (1000 ms)
    boolean apiCallSuccessful = false;

    for (int i = 0; i < maxRetries; i++) {
      System.out.println("Attempt " + (i + 1) + ": Making API call...");
      // Simulate API call failure on first attempt, success after
      boolean rateLimited = (i == 0); 

      if (rateLimited) {
        System.out.println("API call failed (429). Retrying in " + (delay / 1000) + "s...");
        try {
          Thread.sleep(delay);
        } catch (InterruptedException e) {
          Thread.currentThread().interrupt();
          System.out.println("Retry interrupted.");
          break;
        }
        delay *= 2; // Double the delay for the next attempt
      } else {
        System.out.println("API call successful!");
        apiCallSuccessful = true;
        break; // Exit loop on success
      }
    }
    if (!apiCallSuccessful) {
      System.out.println("Max retries reached. Giving up.");
    }
  }
}

Preventing Thundering Herd with Jitter

When many clients use exponential backoff, they might all retry at roughly the same time, causing a "thundering herd" problem.

To avoid this, add a small, random amount of jitter (randomness) to your calculated delay. This spreads out the retries, further reducing the server load.

import java.util.Random;

public class Main {
  public static void main(String[] args) {
    int maxRetries = 3;
    long baseDelay = 1000; // Start with 1 second (1000 ms)
    Random random = new Random();
    boolean apiCallSuccessful = false;

    for (int i = 0; i < maxRetries; i++) {
      System.out.println("Attempt " + (i + 1) + ": Making API call...");
      boolean rateLimited = (i == 0); // Simulate 429 on first try

      if (rateLimited) {
        long currentExpDelay = baseDelay * (long) Math.pow(2, i); // Exponential part
        long jitter = random.nextInt((int) (currentExpDelay / 2) + 1); // Add up to 50% random delay
        long totalDelay = currentExpDelay + jitter;

        System.out.println("API call failed (429). Retrying in " + (totalDelay / 1000) + "s (base: " + (currentExpDelay/1000) + "s, jitter: " + (jitter/1000) + "s)...");
        try {
          Thread.sleep(totalDelay);
        } catch (InterruptedException e) {
          Thread.currentThread().interrupt();
          System.out.println("Retry interrupted.");
          break;
        }
      } else {
        System.out.println("API call successful!");
        apiCallSuccessful = true;
        break;
      }
    }
    if (!apiCallSuccessful) {
      System.out.println("Max retries reached. Giving up.");
    }
  }
}

Graceful Degradation: When Retries Aren't Enough

Sometimes, even with smart retries, an API might remain unavailable or your application can't afford to wait. This is where graceful degradation comes in.

Instead of showing a full error, your application can provide reduced functionality or cached data to the user.

  • Display older, cached data instead of real-time.
  • Temporarily disable non-critical features.
  • Prompt the user to try again later, explaining the situation.

Rate Limit Response Check

You've learned how APIs signal rate limit exceedance and how clients should respond. Let's check your understanding.

Summary: Handling Rate Limits

In this lesson, we explored how to effectively handle rate limit exceedance from both the server and client perspectives.

  • APIs use HTTP 429 Too Many Requests and the Retry-After header to communicate limits.
  • Clients should parse Retry-After or use exponential backoff.
  • Adding jitter prevents the "thundering herd" problem.
  • Graceful degradation ensures a better user experience when retries aren't viable.

Mastering these techniques leads to more robust and resilient API integrations.

Часто задаваемые вопросы

Урок «Обработка превышения ограничения частоты» бесплатный?

Да — полный текст урока «Обработка превышения ограничения частоты» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс API Rate Limiting & Scalability Patterns, подпишись на CoddyKit PRO. Курс API Rate Limiting & Scalability Patterns содержит 4 уроков всего.

Чему я научусь в уроке «Обработка превышения ограничения частоты»?

Изучите лучшие практики реагирования на нарушения ограничений частоты, включая коды состояния HTTP 429 и заголовки retry-after. Ты практикуешь API Rate Limiting & Scalability Patterns с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать API Rate Limiting & Scalability Patterns?

Предыдущий опыт не требуется. API Rate Limiting & Scalability Patterns на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 3 из 4.

Сколько времени занимает урок «Обработка превышения ограничения частоты»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке API Rate Limiting & Scalability Patterns?

Да. Каждый урок API Rate Limiting & Scalability Patterns включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

  1. Проектирование ограничителя частоты в памяти
  2. Распределённое ограничение частоты с Redis
  3. Обработка превышения ограничения частоты
  4. Тестирование и мониторинг ограничителя частоты запросов
← Назад к API Rate Limiting & Scalability Patterns