Menyesuaikan Predikat Cuba Semula dalam Perpustakaan Google Cloud Python

Perpustakaan Python Google Cloud direka bentuk untuk daya tahan. Mereka menambah mekanisme cuba semula yang kuat untuk mengendalikan ralat sementara dengan berkesan. Walau bagaimanapun, mungkin terdapat situasi di mana tingkah laku cuba semula lalai tidak sesuai. Sebagai contoh, anda mungkin menghadapi ralat tertentu yang tidak sepatutnya mencetuskan percubaan semula atau anda mungkin memerlukan lebih kawalan ke atas logik cuba semula.

Siaran blog ini meneroka cara pustaka Python Google Cloud berinteraksi dengan predikat cuba semula tersuai, membolehkan anda menyesuaikan tingkah laku cuba semula untuk memenuhi keperluan khusus anda dengan lebih baik.

Dalam catatan blog ini, saya ingin menyerlahkan contoh khusus yang berkaitan dengan menggunakan penyamaran akaun perkhidmatan dalam pustaka Google Cloud. Dalam seni bina yang saya reka dan sedang berusaha, kami mengasingkan persekitaran pengguna ke dalam projek Awan Google yang berasingan. Kami mendapati bahawa sesetengah perkhidmatan kami mengalami prestasi yang merosot dalam aliran pengguna tertentu. Selepas menyiasat, kami mengesan isu itu kembali kepada gelagat cuba semula lalai perpustakaan yang dinyatakan sebelum ini.

Mekanisme Cuba Semula Lalai

Sebelum kita pergi ke penyesuaian, adalah penting untuk memahami gelagat percubaan semula lalai pustaka Google Cloud Python. Perpustakaan ini biasanya mempunyai strategi mundur eksponen dengan kegelisahan tambahan untuk percubaan semula. Ini bermakna apabila ralat sementara berlaku, perpustakaan akan mencuba semula operasi selepas kelewatan yang singkat, dengan kelewatan meningkat secara eksponen selepas setiap percubaan berikutnya. Kemasukan jitter memperkenalkan kelewatan secara rawak, yang membantu menghalang penyegerakan percubaan semula merentas berbilang pelanggan.

Walaupun strategi ini berkesan dalam banyak situasi, strategi ini mungkin tidak sesuai untuk setiap senario. Contohnya, jika anda menggunakan penyamaran akaun perkhidmatan dan menghadapi ralat pengesahan, cuba mencuba semula operasi mungkin tidak membantu. Dalam kes sedemikian, isu pengesahan asas mungkin perlu diselesaikan sebelum percubaan semula berjaya.

Masukkan Predikat Cuba Semula Tersuai

Dalam pustaka Google Cloud, predikat cuba semula tersuai membolehkan anda menentukan syarat yang tepat untuk cubaan semula perlu dibuat. Anda boleh mencipta fungsi yang menerima pengecualian sebagai input dan mengembalikan Benar jika operasi perlu dicuba semula dan Salah jika tidak.

Sebagai contoh, berikut ialah predikat cuba semula tersuai yang menghalang percubaan semula untuk ralat pengesahan tertentu yang berlaku semasa penyamaran akaun perkhidmatan:

from google.api_core.exceptions import GoogleAPICallError
from google.api_core.retry import Retry, if_transient_error

def custom_retry_predicate(exception: Exception) -> bool:
    if if_transient_error(exception): # exceptions which should be retried
        if isinstance(exception, GoogleAPICallError):
            if "Unable to acquire impersonated credentials" in exception.message: # look for specific impersonation error
                return False
        return True
    return False

Predikat ini menyemak sama ada pengecualian ialah GoogleAPICallError dan secara khusus mencari mesej "Tidak dapat memperoleh bukti kelayakan yang ditiru". Jika syarat ini dipenuhi, ia akan mengembalikan Palsu, menghalang percubaan semula.

Menggunakan Predikat Tersuai dengan Pustaka Awan Google

Firestore:

from google.api_core.exceptions import GoogleAPICallError
from google.api_core.retry import Retry, if_transient_error

def custom_retry_predicate(exception: Exception) -> bool:
    if if_transient_error(exception): # exceptions which should be retried
        if isinstance(exception, GoogleAPICallError):
            if "Unable to acquire impersonated credentials" in exception.message: # look for specific impersonation error
                return False
        return True
    return False

BigQuery:

from google.cloud import firestore

# ... your Firestore setup ...

retry = Retry(predicate=custom_retry_predicate, timeout=10)

# example of an arbitrary firestore api call, works with all
stream = collection.stream(retry=retry)

Dalam kedua-dua contoh, kami mencipta objek Cuba Semula dengan predikat tersuai kami dan nilai tamat masa. Objek Cuba Semula ini kemudiannya dihantar sebagai hujah kepada panggilan API masing-masing.

Faedah Predikat Cuba Semula Tersuai

• Kawalan berbutir halus: Tentukan syarat cuba semula berdasarkan pengecualian tertentu atau mesej ralat dengan tepat.
• Kecekapan yang dipertingkatkan: Elakkan percubaan semula yang tidak perlu untuk ralat bukan sementara, sekali gus menjimatkan sumber dan masa.
• Kestabilan aplikasi yang dipertingkatkan: Tangani ralat tertentu dengan anggun untuk mengelakkan kegagalan berlatarkan.

Kesimpulan

Predikat cuba semula tersuai menawarkan cara yang berkesan untuk meningkatkan daya tahan aplikasi Google Cloud anda. Dengan menyesuaikan gelagat cuba semula untuk memenuhi keperluan khusus anda, anda boleh memastikan bahawa aplikasi anda teguh, cekap dan boleh skala. Bertanggungjawab atas pengendalian ralat anda dan kuasai proses percubaan semula!

Atas ialah kandungan terperinci Menyesuaikan Predikat Cuba Semula dalam Perpustakaan Google Cloud Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!