独立服务器上的短信通知服务,怎样避免超时重试造成重复发送?
短信接口超时后,不能直接把任务改成“发送失败”并重发。正确做法是:为同一条业务通知保留稳定身份,把超时记录为“结果未知”,先查发送记录或等待回执,再决定是否补发。因为超时只说明本地没有及时拿到响应,并不证明短信平台没有受理请求。
即使应用、数据库和任务进程都部署在一台独立服务器上,调用外部短信平台时仍然存在这个不确定窗口。本地唯一约束可以拦住重复任务,却不能撤回已经发出的短信;如果供应商不支持发送幂等,又无法确认第一次调用的结果,就不能仅靠本地代码同时保证“不漏发”和“不重发”。方案必须明确这条边界。
A5idc数据提供香港、美国、日本、韩国、中国台湾、新加坡及马来西亚等地区的物理服务器,可为短信通知服务的业务接口、队列处理、状态数据库和回执核对提供独立资源基础。结合SSD或NVMe存储、不同内存配置及多种带宽线路,能够承载通知记录、重试状态与审计数据的持续运行,适配跨地区访问和多任务处理场景。
业务动作:先定义什么才算“同一条通知”
以订单支付成功通知为例,支付回调重复到达、任务被再次投递、发送进程重启,都不应产生新的短信通知。它们只是同一个业务动作的不同处理机会,而不是多次通知授权。幂等键应识别逻辑业务操作,不能使用每次重试都会变化的时间戳或临时请求编号。
建议把通知身份设计为“租户+业务对象+事件类型+事件版本+接收对象”。例如,订单 O20260018 的支付成功事件,对指定接收对象只生成一个 notification_id。接收对象可以使用内部标识,避免在任务键和普通日志中暴露手机号。
这里需要区分三个编号:
| 编号 | 识别什么 | 重试时如何处理 |
|---|---|---|
notification_id | 一次逻辑业务通知 | 保持不变 |
attempt_id | 一次受控的发送尝试 | 每次尝试单独记录 |
| 供应商发送流水号 | 平台受理的发送记录 | 按实际返回或回执关联保存 |
这是本文建议的记录模型。数据库对通知业务键设置唯一约束,重复创建时返回已有通知;发送尝试则挂在该通知下,保留请求时间、错误类型和查询结果。不要采用“先查询不存在,再插入”的普通判断代替唯一约束,否则并发进程仍可能同时通过检查。
模板改版不宜自动生成新的通知身份,否则积压任务可能因版本变化再次发送。只有业务明确要求再次提醒时,才创建可审计的新通知动作;人工点击“重试”,默认仍应处理原通知。
数据流转:业务提交与通知意图一起落地
建议的数据流是:
业务状态提交 → 通知任务持久化 → 后台进程领取 → 调用短信平台 → 保存受理结果 → 回执或查询更新结果。
关键是前两项:在同一个数据库事务中,既提交订单支付状态,也写入待发送通知。这样,事务回滚时不会留下孤立通知;事务提交后,即使进程立即退出,通知意图仍然存在。这就是事务性发件箱,即 Outbox 模式要解决的“双写不一致”问题。(docs.aws.amazon.com)
对于规模较小的独立服务器应用,可以让后台进程直接扫描任务表,不必为了异步发送立即引入消息队列。如果已经使用队列,则建议让队列消息携带 notification_id,消费者回查任务状态后再决定动作,任务表负责保存可恢复的处理事实。
引入队列并不会自动消除重复。例如 RabbitMQ 在手动确认模式下,连接关闭时会重新入队尚未确认的消息,因此消费者必须能够处理重复投递。队列确认也不应被解释成“用户已经收到短信”,它只代表消费者完成了约定的处理或责任交接。
Outbox 解决的是“业务成功但通知任务丢失”,不是“外部短信只执行一次”。任务从数据库转交到队列时也可能重复,发送端仍需按通知身份和状态判断,而不是收到一条队列消息就调用一次短信接口。(docs.aws.amazon.com)
成功路径:把“已受理”和“送达成功”分开
建议不要只设置一个 sent 字段,而采用能够解释下一步动作的状态模型:
| 本地状态 | 表示的事实 | 后续动作 |
|---|---|---|
| 待发送 | 尚未开始外部调用 | 允许领取 |
| 发送中 | 某个进程已取得处理权 | 其他进程不并发发送 |
| 已受理 | 平台确认接收请求 | 等待回执或查询,不直接补发 |
| 结果未知 | 可能已受理,但缺少确定结果 | 进入核对流程 |
| 送达成功 | 收到平台定义的成功送达结果 | 结束自动发送 |
| 明确失败 | 已得到可解释的失败结果 | 分类决定修复、补发或终止 |
| 已过期/已取消 | 业务不再需要这条通知 | 停止发送,保留记录 |
正常路径中,后台进程先通过原子条件更新取得任务,再持久化发送尝试,然后调用平台。接口返回受理成功后保存供应商流水号,最后依据回执或查询结果更新送达状态。需要注意,平台报告的送达成功不是用户已阅读;不能把“没有打开链接”当成短信未送达的证据。
以阿里云短信为例,发送接口返回的 BizId 用于关联发送记录,SmsReport 则提供发送结果、错误码及对应流水号。因此,接口提交结果与后续送达结果应分别记录,不能只保留一次接口调用是否报错。(help.aliyun.com)
队列消息可以在受理结果持久化后确认,不必一直等运营商回执。如果进入“结果未知”,也只有在核对责任已经可靠落地、可由恢复任务重新发现时,才结束当前队列处理;不能只写一条日志便确认消息。
异常分支:不同失败证据,对应不同动作
请求超时,但平台可能已经受理
示例中,客户端读取超时设为 3 秒。平台在请求到达后 0.8 秒已经受理,但响应未能及时返回;本地在第 3 秒报超时,随后重新调用,便可能产生第二条发送记录。
这时应把原尝试标记为“结果未知”,而不是立即回到待发送。增大超时只能减少部分误判,不能消除“已执行但响应丢失”的窗口。
如果供应商明确支持发送幂等,应核对幂等键作用范围、有效期、参数一致性要求,并在重试时复用同一个键。不要因为接口存在“外部流水号”字段,就推断平台会据此去重。阿里云 SendSms 文档将 OutId 定义为外部流水扩展字段,同时明确说明该接口不支持幂等能力,并建议超时后查看回执状态再判断是否重试。(help.aliyun.com)
对于这类接口,建议发送前保存可关联的外部标识。阿里云回执中的 out_id 可以回传对应扩展字段;已有 BizId 时可以查询指定记录,未拿到流水号时,也可以利用号码、日期等查询条件寻找候选记录。
但候选记录不一定能够唯一对应原请求,单次查不到也不能反推“没有发送”。关联不足、查询结果尚未明确时,应继续保留未知状态,进入后续核对或人工判断,而不是把空结果当作重发许可。

平台已经受理,本地却没来得及保存
另一个危险窗口是:短信平台已返回成功,进程却在写回数据库前退出。重启后看到的可能仍是“发送中”,如果恢复程序一律重置成待发送,就会再次调用。
建议恢复程序将过期的发送中任务转入核对流程。领取锁或租约只能协调本地进程,不能证明外部调用没有发生;对于无法加入本地事务的第三方调用,陈旧的处理中记录需要先核对,再决定恢复动作。
实现时还应使用领取版本号或所有者标识,阻止旧进程覆盖新进程写入的状态。租约到期可以触发核对,却不应自动授权第二次发送。即使本地版本检查正确,也无法撤回旧进程已经提交给平台的请求。
重复投递、重复回执与迟到结果
重复任务到达时,应读取已有通知:已受理、送达成功或结果未知,都不应仅因队列再次投递而重新发送。只有符合补发条件的失败记录,才进入新的发送尝试。重复投递是消息系统需要处理的正常情形,而不是新的业务事件。
回执侧则建议先按供应商要求校验来源,再依据“供应商流水号+接收对象”等可用字段关联到具体尝试,持久化后确认接收。重复回执只吸收状态,不再触发一次短信。
状态更新也不能简单采用“最后收到的结果覆盖前面结果”。例如回执先到、本地接口响应后落库时,后者不能把送达成功改回已受理。若同一尝试出现相互矛盾的终态,应保留原始结果并告警核对,而不是按接收时间猜测真相。上述状态约束应作为应用自身的设计规则。
处理与恢复:重试资格要由证据决定
建议统一使用下面的判断口径:
| 已掌握的证据 | 建议处理 |
|---|---|
| 能确认请求尚未发出 | 排除原因后允许重试 |
| 平台明确拒绝,且文档确认未受理 | 按错误类别决定是否重试 |
| 参数、签名或模板错误 | 修复后再处理,不原样循环重试 |
| 读取超时、连接中断、含义不明的服务端错误 | 标记未知,先核对 |
| 已受理、尚无最终回执 | 等待或查询,不直接重发 |
| 明确的最终失败 | 核对失败语义、业务时效后决定补发 |
| 已送达或通知已失效 | 不再自动发送 |
这套分类的核心是:可重试错误,不等于已经证明没有发送。 尤其不能把所有超时或服务端错误统一归入“安全重试”。
对已经具备重试资格的任务,再设置退避、随机抖动、次数上限和业务截止时间。例如测试方案可采用约 5 秒、15 秒、45 秒的间隔并加入随机偏移;这些是调度示例,不是让未知结果变得安全的依据。退避用于控制重试压力,幂等与核对才负责控制重复副作用。
还应核对业务代码与 SDK 是否都在重试。建议由一个明确层级统一控制发送重试,避免业务只记录一次尝试,底层却进行了多次网络调用。失败期间叠加重试会放大下游压力,降低恢复效率。
恢复任务可以按未知状态持续时间分批核对,并设置人工处理出口。切换另一家短信平台同样属于新发送,不是查询手段:原平台结果未知时直接切换,仍可能让用户收到两条短信。人工补发也应记录操作者、理由、关联原通知及剩余风险。
验证重点:重放异常,而不只测试正常发送
上线前,建议使用测试接口、桩服务或受控测试号码验证以下分支:
- 重复提交同一业务事件,只形成一条逻辑通知。
- 两个进程同时领取同一任务,只允许一个获得发送资格。
- 平台受理后丢弃响应,本地进入未知状态,不立即重发。
- 在受理后、保存结果前中断进程,恢复后先核对。
- 重复或延迟投递回执,不触发新发送,也不错误回退状态。
- 通知超过业务有效期后,即使任务恢复,也不再自动发送。
验收时应分别统计逻辑通知数、网络调用数、供应商受理记录数和送达结果数。网络调用变多不一定代表重复受理;但同一通知出现多条供应商受理记录,应成为核对信号。日志建议保留通知编号、尝试编号、供应商流水号和状态变化,手机号脱敏,不记录密钥及完整敏感短信内容。
独立服务器的资源与网络监控,适合回答“为什么等待变长、进程为什么停顿”;通知账本与供应商记录,才用于回答“这条短信是否已经发送”。优化机器配置可以改善部分超时诱因,却不能替代对外部调用结果的确认。
下一步最值得验证的,不是把重试次数从三次调成五次,而是主动制造一次“平台已受理、本地没拿到响应”的场景:系统能否保住通知身份、进入未知状态,并通过回执或查询恢复结果。这个分支能够正确收敛,才说明超时重试没有被简单地变成重复发送。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/8819.html



