FreeRTOS 退避算法

backoffAlgorithm 核心算法详解

目录

  1. 算法概述
  2. 数据结构分析
  3. 核心算法逻辑
  4. 代码逐行解析
  5. 算法示例演示
  6. 算法特性分析
  7. 使用场景和最佳实践

算法概述

什么是退避算法(Backoff Algorithm)?

退避算法是一种用于处理失败重试的策略,通过逐渐增加重试之间的等待时间,避免在系统繁忙或网络拥塞时造成"雷群效应"(Thundering Herd Problem)。

Full Jitter 策略

backoffAlgorithm 库实现了 “Full Jitter” 指数退避策略,这是 AWS 推荐的一种退避算法变体。

核心思想:

  • 指数增长:每次重试的等待时间上限呈指数增长(2^n)
  • 随机抖动:在每次重试时,实际等待时间是在 [0, 最大等待时间] 范围内随机选择
  • 避免同步:多个设备同时重试时,由于随机性,重试时间会分散,避免同时冲击服务器

算法公式

第 n 次重试的等待时间 = random(0, min(backOffBase * 2^n, maxBackoffDelay)) 

其中:

  • backOffBase:基础退避时间(毫秒)
  • 2^n:指数增长因子
  • maxBackoffDelay:最大退避延迟(毫秒)
  • random(0, max):在 [0, max] 范围内随机选择

数据结构分析

BackoffAlgorithmContext_t 结构体

typedefstructBackoffAlgorithmContext{ uint16_t maxBackoffDelay;// 最大退避延迟(毫秒)uint32_t attemptsDone;// 已完成的尝试次数uint16_t nextJitterMax;// 下一次重试的最大抖动值(毫秒)uint32_t maxRetryAttempts;// 最大重试次数} BackoffAlgorithmContext_t;

字段说明:

字段类型说明
maxBackoffDelayuint16_t最大退避延迟(毫秒)。这是退避时间的上限,无论重试多少次,都不会超过这个值
attemptsDoneuint32_t已完成的尝试次数。每次调用 GetNextBackoff 时递增
nextJitterMaxuint16_t下一次重试的最大抖动值(毫秒)。这是当前重试周期中随机等待时间的上限,会指数增长
maxRetryAttemptsuint32_t最大重试次数。设置为 BACKOFF_ALGORITHM_RETRY_FOREVER (UINT32_MAX) 表示无限重试

关键常量:

#defineBACKOFF_ALGORITHM_RETRY_FOREVER( UINT32_MAX )

核心算法逻辑

1. 初始化函数:BackoffAlgorithm_InitializeParams

函数签名:

voidBackoffAlgorithm_InitializeParams( BackoffAlgorithmContext_t * pContext,uint16_t backOffBase,uint16_t maxBackOff,uint32_t maxAttempts );

参数说明:

参数类型说明
pContextBackoffAlgorithmContext_t*要初始化的上下文结构体指针
backOffBaseuint16_t基础退避时间(毫秒)。第一次重试的等待时间上限
maxBackOffuint16_t最大退避延迟(毫秒)。所有重试的等待时间上限
maxAttemptsuint32_t最大重试次数。设置为 BACKOFF_ALGORITHM_RETRY_FOREVER 表示无限重试

实现代码:

voidBackoffAlgorithm_InitializeParams( BackoffAlgorithmContext_t * pContext,uint16_t backOffBase,uint16_t maxBackOff,uint32_t maxAttempts ){ assert( pContext !=NULL);/* 初始化上下文,设置计算下一次退避值所需的参数 */ pContext->nextJitterMax = backOffBase;// 第一次重试的最大抖动值 = 基础值 pContext->maxBackoffDelay = maxBackOff;// 设置最大退避延迟 pContext->maxRetryAttempts = maxAttempts;// 设置最大重试次数/* 初始化时,已完成的尝试次数为 0 */ pContext->attemptsDone =0;}

初始化逻辑:

  1. nextJitterMax 设置为 backOffBase(第一次重试的等待时间上限)
  2. 设置 maxBackoffDelay(所有重试的等待时间上限)
  3. 设置 maxRetryAttempts(最大重试次数)
  4. attemptsDone 初始化为 0

2. 核心算法函数:BackoffAlgorithm_GetNextBackoff

函数签名:

BackoffAlgorithmStatus_t BackoffAlgorithm_GetNextBackoff( BackoffAlgorithmContext_t * pRetryContext,uint32_t randomValue,uint16_t* pNextBackOff );

参数说明:

参数类型说明
pRetryContextBackoffAlgorithmContext_t*退避算法上下文(输入/输出)
randomValueuint32_t随机值,范围 [0, UINT32_MAX],用于计算随机等待时间
pNextBackOffuint16_t*输出参数,返回计算出的退避时间(毫秒)

返回值:

返回值说明
BackoffAlgorithmSuccess成功计算出下一个退避值
BackoffAlgorithmRetriesExhausted所有重试次数已用完

实现代码:

BackoffAlgorithmStatus_t BackoffAlgorithm_GetNextBackoff( BackoffAlgorithmContext_t * pRetryContext,uint32_t randomValue,uint16_t* pNextBackOff ){  BackoffAlgorithmStatus_t status = BackoffAlgorithmSuccess;assert( pRetryContext !=NULL);assert( pNextBackOff !=NULL);/* 如果 maxRetryAttempts 设置为最大值,或者已完成次数小于最大次数,则继续重试 */if(( pRetryContext->maxRetryAttempts == BACKOFF_ALGORITHM_RETRY_FOREVER )||( pRetryContext

Read more

深挖 DeepSeek 隐藏玩法·智能炼金术2.0版本

深挖 DeepSeek 隐藏玩法·智能炼金术2.0版本

前引:屏幕前的你还在AI智能搜索框这样搜索吗?“这道题怎么写”“苹果为什么红”“怎么不被发现翘课” ,。看到此篇文章的小伙伴们!请准备好你的思维魔杖,开启【霍格沃茨模式】,看我如何更新秘密的【知识炼金术】,我们一起来解锁更加刺激的剧情!友情提醒:《《《前方高能》》》 目录 在哪使用DeepSeek 如何对提需求  隐藏玩法总结 几个高阶提示词 职场打工人 自媒体创作 电商实战 程序员开挂 非适用场地 “服务器繁忙”如何解决 (1)硅基流动平台 (2)Chatbox + API集成方案 (3)各大云平台 搭建个人知识库 前置准备 下载安装AnythingLLM 选择DeepSeek作为AI提供商 创作工作区 导入文档 编辑  编辑 小编寄语 ——————————————————————————————————————————— 在哪使用DeepSeek 我们解锁剧情前,肯定要知道在哪用DeepSeek!咯,为了照顾一些萌新朋友,它的下载方式我放在下面了,拿走不谢!  (1)

By Ne0inhk
【AI大模型】DeepSeek + 通义万相高效制作AI视频实战详解

【AI大模型】DeepSeek + 通义万相高效制作AI视频实战详解

目录 一、前言 二、AI视频概述 2.1 什么是AI视频 2.2 AI视频核心特点 2.3 AI视频应用场景 三、通义万相介绍 3.1 通义万相概述 3.1.1 什么是通义万相 3.2 通义万相核心特点 3.3 通义万相技术特点 3.4 通义万相应用场景 四、DeepSeek + 通义万相制作AI视频流程 4.1 DeepSeek + 通义万相制作视频优势 4.1.1 DeepSeek 优势 4.1.2 通义万相视频生成优势 4.2

By Ne0inhk
【DeepSeek微调实践】DeepSeek-R1大模型基于MS-Swift框架部署/推理/微调实践大全

【DeepSeek微调实践】DeepSeek-R1大模型基于MS-Swift框架部署/推理/微调实践大全

系列篇章💥 No.文章01【DeepSeek应用实践】DeepSeek接入Word、WPS方法详解:无需代码,轻松实现智能办公助手功能02【DeepSeek应用实践】通义灵码 + DeepSeek:AI 编程助手的实战指南03【DeepSeek应用实践】Cline集成DeepSeek:开源AI编程助手,终端与Web开发的超强助力04【DeepSeek开发入门】DeepSeek API 开发初体验05【DeepSeek开发入门】DeepSeek API高级开发指南(推理与多轮对话机器人实践)06【DeepSeek开发入门】Function Calling 函数功能应用实战指南07【DeepSeek部署实战】DeepSeek-R1-Distill-Qwen-7B:本地部署与API服务快速上手08【DeepSeek部署实战】DeepSeek-R1-Distill-Qwen-7B:Web聊天机器人部署指南09【DeepSeek部署实战】DeepSeek-R1-Distill-Qwen-7B:基于vLLM 搭建高性能推理服务器10【DeepSeek部署实战】基于Ollama快速部署Dee

By Ne0inhk

DeepSeek各版本说明与优缺点分析_deepseek各版本区别

DeepSeek各版本说明与优缺点分析 DeepSeek是最近人工智能领域备受瞩目的一个语言模型系列,其在不同版本的发布过程中,逐步加强了对多种任务的处理能力。本文将详细介绍DeepSeek的各版本,从版本的发布时间、特点、优势以及不足之处,为广大AI技术爱好者和开发者提供一份参考指南。 1. DeepSeek-V1:起步与编码强劲 DeepSeek-V1是DeepSeek的起步版本,这里不过多赘述,主要分析它的优缺点。 发布时间: 2024年1月 特点: DeepSeek-V1是DeepSeek系列的首个版本,预训练于2TB的标记数据,主打自然语言处理和编码任务。它支持多种编程语言,具有强大的编码能力,适合程序开发人员和技术研究人员使用。 优势: * 强大编码能力:支持多种编程语言,能够理解和生成代码,适合开发者进行自动化代码生成与调试。 * 高上下文窗口:支持高达128K标记的上下文窗口,能够处理较为复杂的文本理解和生成任务。 缺点: * 多模态能力有限:该版本主要集中在文本处理上,缺少对图像、语音等多模态任务的支持。 * 推理能力较弱:尽管在自然语言

By Ne0inhk