PythonRequests超时设置与重试技巧
Python Requests默认不设超时,极易因网络卡顿或服务无响应而无限等待导致程序卡死,生产环境必须显式配置连接与读取双超时(如timeout=(3, 10))并结合urllib3.Retry实现智能重试——通过精准指定重试状态码(如502/503/504)、指数退避策略及Session级挂载,既避免盲目重试加重故障,又兼顾稳定性与业务SLA;但需警惕总耗时失控风险,务必根据接口实时性要求(如支付类禁用重试、后台任务可放宽)反向推导超时与重试参数,并在异常时结合上下文做降级、告警或人工干预,而非一味堆砌重试次数。

Requests请求超时直接报错,必须显式设置timeout
Requests默认不设超时,网络卡住或服务无响应时会无限等待,生产环境绝对不能接受。必须在每次requests.get()、requests.post()等调用中传入timeout参数,否则不是“可能超时”,而是“一定会卡死”。
推荐写法是同时指定连接超时和读取超时:timeout=(3, 10)——第一个数字是建立TCP连接的上限(通常1–5秒),第二个是接收响应体的上限(根据接口预期响应时间定,一般5–30秒)。只写一个数字如timeout=10,表示两者共用该值,容易误判:比如3秒连上了但后7秒卡在传输大文件,实际已超出合理等待范围。
常见错误现象:requests.exceptions.Timeout抛出时没捕获,导致整个程序中断;或把timeout设成None以为“不限时”很安全,实则埋下雪崩隐患。
单次超时不等于失败,用urllib3.util.Retry做可控重试
Requests内置了重试机制,但默认关闭。别急着装retrying库(已停止维护且不兼容Python 3.12+),直接用Requests底层依赖urllib3的Retry类更轻量、更可控。
关键点:
status_forcelist=[429, 502, 503, 504]:只对这些HTTP状态码重试,避免对400/401这类客户端错误反复白费力气backoff_factor=1:第一次重试延迟1秒,第二次2秒,第三次4秒……指数退避防打爆下游- 必须搭配
HTTPAdapter挂载到session,不能只改单次请求
示例:
from requests import Session from urllib3.util.retry import Retrysession = Session() retry_strategy = Retry( total=3, status_forcelist=[429, 502, 503, 504], backoff_factor=1 ) adapter = HTTPAdapter(max_retries=retry_strategy) session.mount("http://", adapter) session.mount("https://", adapter)
后续所有 session.get() / session.post() 都自动带重试
response = session.get("https://api.example.com/data", timeout=(3, 10))
重试不是万能的,要区分超时类型再决定是否重试
ConnectionTimeout(连不上)和ReadTimeout(连上了但读不完)语义不同,盲目重试可能加重问题。
比如:
- 对CDN节点的
ConnectTimeout重试有意义——换节点可能就通了 - 但对自身网络出口故障导致的持续
ConnectTimeout,重试只是徒增日志噪音 - 对上游API返回
503 Service Unavailable重试合理;但若它明确返回429 Too Many Requests且Header里有Retry-After,就得按Header指示休眠,而不是硬套固定backoff_factor
所以真实项目里,建议捕获requests.exceptions.Timeout后,检查exception.request的URL和上下文,再决定是立即重试、降级返回缓存,还是直接上报告警。
超时与重试组合使用时,总耗时 = 单次timeout × 重试次数 + 退避延迟
这点极易被忽略:设了timeout=(3, 10)、total=3、backoff_factor=1,最坏情况总耗时接近(3+10)×3 + (1+2+4) = 46秒。如果上层接口SLA要求P99
因此必须根据业务场景反推参数:
- 支付回调类强实时接口:单次
timeout=(2, 3),total=1,不重试,失败走人工补单 - 后台数据同步任务:可接受延迟,
timeout=(5, 30),total=3,配合backoff_factor=2 - 永远不要让重试后的总等待时间超过调用方能容忍的上限
线上出问题时,第一反应不该是“加retry次数”,而是查监控确认是偶发抖动还是持续性故障——后者加再多重试也没用。
今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~
PPT字体嵌入防乱码设置教程
- 上一篇
- PPT字体嵌入防乱码设置教程
- 下一篇
- Prometheus监控Go长连接指标方法
-
- 文章 · python教程 | 1天前 | Python logging traceback logger.exception exc_info
- Python logging 怎样让异常堆栈保留上下文
- 421浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python 对象比较 Field dataclasses Compare
- Python dataclasses 怎样让字段不参与比较
- 341浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python 资源关闭 contextlib ExitStack
- Python contextlib 怎样把多个资源组合关闭
- 333浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · 编码 · python · Python 文件编码 pathlib UnicodeDecodeError Path.read_text
- Python pathlib.Path.read_text 怎样避免默认编码导致乱码
- 220浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 键值存储 空间回收 Python shelve dbm reorganize
- Python shelve 怎样回收删除键留下的空间
- 394浏览 收藏
-
- 文章 · python教程 | 1天前 | 默认值 · python · Python Field 可变默认值 default_factory dataclasses
- Python dataclasses 怎样用 default_factory 避免共享可变默认值
- 136浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 工程实践 · Python 浮点数 math.isclose 相对误差 绝对误差
- Python math.isclose 怎样同时控制相对误差和绝对误差
- 278浏览 收藏
-
- 文章 · python教程 | 1天前 | Python mkdir pathlib parent_mode
- Python 3.15 pathlib mkdir 怎样设置中间目录权限
- 330浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python sqlite3 怎样用 URI 参数打开只读连接
- 159浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 573次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 616次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 646次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 605次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 422次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

