{"canonical_url":"https://engineer.company/da/glossary/exponential-backoff/","content_markdown":"# Eksponentiel backoff\n\n## Hvad det er\n\nEksponentiel backoff er en regel for, hvor længe man venter, før man prøver\nigen. Efter hvert mislykket forsøg ganges ventetiden med en fast faktor, oftest\nto, indtil den når et loft: ét sekund, så to, fire, otte og så videre. Reglen\nbor i klienten, men den findes for den tjenestes skyld, som klienten kalder. En\nserver, en netværksvej eller en database, der fejler under for høj belastning,\nkommer sig ikke hurtigere af at blive spurgt igen med det samme. Den kommer sig,\nnår de, der kalder den, letter trykket, og en ventetid, der vokser med hver\nfejl, får dem til at lette det mere, jo længere problemerne varer.\n\nDet ældste og mest udbredte eksempel findes i TCP. RFC 6298, Standards\nTrack-dokumentet fra juni 2011, der fastlægger, hvordan TCP beregner sin timeout\nfor genudsendelse, sætter timeouten til ét sekund, før den første rundturstid er\nmålt, og siger, at en beregnet værdi under ét sekund bør rundes op. Hver gang\ntimeren udløber, og et segment skal sendes igen, skal værten fordoble timeouten.\nEn øvre grænse er tilladt, så længe den er mindst 60 sekunder. Når en ny måling\naf rundturstiden kommer ind, beregnes timeouten igen ud fra målingerne, og det\nkan bringe den helt ned igen efter en række fordoblinger. Algoritmen går tilbage\ntil Van Jacobsons artikel Congestion Avoidance and Control fra 1988, og RFC'ens\nafsnit om sikkerhed siger, hvad der står på spil: internettet er afhængigt af en\nkorrekt timer for genudsendelse for at holde netværket stabilt og undgå\ncongestion collapse, et sammenbrud under overbelastning.\n\nI applikationskode kommer den samme idé med en håndfuld indstillinger: en første\nventetid, en multiplikator, en maksimal ventetid, hvor væksten stopper, og en\ngrænse for antallet af forsøg eller for den samlede tid, der bruges på nye\nforsøg. Skrevet ud er ventetiden efter den n'te fejl den mindste af loftet og\nbasis × multiplikator i n'te potens, talt fra nul. Den analyse fra AWS, der\nomtales nedenfor, kalder det capped exponential backoff, altså eksponentiel\nbackoff med loft. Loftet betyder mere, end man skulle tro. Fordobler man en\nventetid på ét sekund ti gange, får man 1.024 sekunder, mere end 17 minutter, og\ndet er længere, end de fleste vil vente på noget som helst.\n\nDen sidste indstilling er jitter, et tilfældigt element i hver ventetid.\nProtokollen for connection backoff i gRPC, der beskriver, hvordan gRPC-klienter\nforbinder igen efter en mislykket forbindelse, starter ved ét sekund, ganger med\n1,6, holder op med at vokse ved 120 sekunder og bruger en jitter på 0,2, så hver\nventetid flyttes tilfældigt op eller ned med op til 20 %. Den giver også hvert\nforbindelsesforsøg mindst 20 sekunder til at blive gennemført, og den nulstiller\nbackoff til startværdien, når serveren har accepteret en forbindelse, hvilket\nden regner for at ske, når SETTINGS-rammen ankommer. Protokollen tillader andre\nimplementeringer, for eksempel på en mobiltelefon, der skal vågne så sjældent\nsom muligt, men kræver, at backoffs, der er startet på samme tidspunkt, spredes,\nog at ingen implementering forsøger at forbinde væsentligt oftere.\n\n## Hvorfor det betyder noget\n\nEt nyt forsøg er ekstra belastning, og det kommer på det værst tænkelige\ntidspunkt: netop når det, der bliver kaldt, er ved at fejle. Bliver en tjeneste\nlangsommere, fordi den er overbelastet, og prøver alle, der kalder den, igen med\ndet samme, stiger belastningen, mens kapaciteten falder. Dokumentationen til\nGoogle Cloud Storage regner derfor nye forsøg uden backoff for et antimønster,\nfordi øjeblikkelige eller meget korte genforsøg kan føre til kaskadefejl, hvor\nén fejl udløser andre. Backoff gør det nye forsøg fra en forstærker til en\nbremse: jo længere problemerne varer, jo mindre bidrager hver klient til dem.\n\nBackoff alene er ikke nok, for klienter, der fejler samtidig, venter også\nsamtidig. I Exponential Backoff And Jitter, udgivet af AWS i marts 2015,\nsimulerede Marc Brooker mange klienter, der brugte optimistisk\nsamtidighedskontrol til at opdatere den samme række i en fjern database. Når\nalle klienter konkurrerede i hver runde, voksede det samlede arbejde med\nkvadratet på antallet af klienter. Eksponentiel backoff med loft hjalp kun lidt.\nKaldene kom stadig i klynger med stille huller imellem, så konkurrencen faldt\nnæsten ikke. Da han tilføjede jitter ved at trække hver ventetid tilfældigt\nmellem nul og den eksponentielle værdi med loft, forsvandt hullerne, kaldene kom\ni en nogenlunde jævn strøm, og med 100 konkurrerende klienter faldt antallet af\nkald til under det halve. Blandt de varianter, han sammenlignede, var backoff\nuden jitter med Brookers ord »den klare taber«. Han var også tydelig om grænsen:\ningen af metoderne ændrer ved, at arbejdet vokser med kvadratet på konkurrencen.\nJitter mindsker spildet, men fjerner ikke konflikten. I en opdatering fra maj\n2023 skriver indlægget, at de fleste AWS SDK'er nu har eksponentiel backoff og\njitter indbygget i deres retry-tilstande standard og adaptive.\n\nBackoff afgør, hvornår man prøver igen, ikke om det er sikkert at gøre det.\nDokumentationen til Cloud Storage stiller to spørgsmål først. Det ene er, om\nsvaret tyder på et forbigående problem: HTTP-statuskoderne 408, 429 og 5xx,\ntimeouts på sockets og afbrudte TCP-forbindelser. Det andet er, om forespørgslen\ner idempotent. En list-operation kan gentages frit. Det kan oprettelsen af en\nPub/Sub-notifikation ikke, for hvert vellykket kald opretter en ny notifikation.\nImellem de to ligger betinget idempotente operationer, der bliver sikre at\ngentage, når de har en forudsætning med, for eksempel en upload, der kun lykkes,\nhvis objektets generationsnummer stadig er det, klienten forventer.\n\nNogle gange ved serveren bedre end klientens formel. Headerfeltet Retry-After,\nder er defineret i RFC 9110, fortæller klienten, hvor længe den bør vente, før\nden sender en ny forespørgsel, enten som en dato eller som et antal sekunder, og\nsammen med et 503 Service Unavailable-svar siger det, hvor længe tjenesten\nregner med at være utilgængelig. Statuskoden 429 Too Many Requests fra RFC 6585,\nder signalerer ratebegrænsning, må have det samme felt med. En klient med en\nbackoff-løkke kan bruge den værdi i stedet for sin egen beregnede ventetid, for\nden kommer fra den side, der kan se sin egen belastning.\n\n## Sådan ser det ud i praksis\n\nEn løkke med nye forsøg, eksponentiel backoff med loft og fuld jitter fylder kun\nnogle få linjer i Python:\n\n```python\nimport random\nimport time\n\nclass TransientError(Exception):\n    \"\"\"En timeout, et 408-, 429- eller 5xx-svar eller en tabt forbindelse.\"\"\"\n\ndef call_with_backoff(op, attempts=5, base=1.0, cap=30.0):\n    for attempt in range(attempts):\n        try:\n            return op()\n        except TransientError:\n            if attempt == attempts - 1:\n                raise\n            ceiling = min(cap, base * 2**attempt)\n            time.sleep(random.uniform(0, ceiling))\n```\n\nMed disse værdier er fem forsøg adskilt af fire ventetider, hvis lofter er 1, 2,\n4 og 8 sekunder. Løkken sover derfor højst 15 sekunder, før den giver op, og i\ngennemsnit omkring 7,5 sekunder, fordi hver ventetid trækkes jævnt mellem nul og\ndens loft. Kun `TransientError` får et nyt forsøg; en afvist autorisation eller\nen forkert udformet forespørgsel kaster en undtagelse med det samme. Og løkken\ngentager, hvad `op` end gør, så `op` skal være sikker at gentage: en læsning\neller en skrivning, som serveren kan genkende som en gentagelse.\n\nKlientbiblioteker leverer deres egne udgaver af denne løkke, og deres\nstandardværdier er forskellige, selv for den samme tjeneste. Til Cloud Storage\nstarter Python-klienten ved ét sekund, fordobler hver ventetid op til 60\nsekunder og giver op efter en standardfrist på 120 sekunder. C++-klienten\nstarter også ved ét sekund og fordobler, men venter op til fem minutter mellem\nforsøgene og bliver ved med at prøve i op til 15 minutter, mere end syv gange så\nlænge. Den prøver også igen med operationer, der aldrig er idempotente,\nmedmindre programmet vælger en streng idempotenspolitik. Kommandolinjeværktøjet\ngcloud bruger det, Google kalder truncated binary exponential backoff, med op\ntil 32 nye forsøg som standard. To programmer, der kalder det samme API med den\nsamme fejl, kan derfor melde den efter to minutter eller efter et kvarter, alt\nefter hvilket sprog de er skrevet i.\n\nVentetiden behøver ikke at blokere en tråd. I baggrundsarbejde kan et job, der\nfejler, sættes tilbage i en [kø](/da/glossary/#queue) med et senere tidspunkt\nfor udførelse, og så bliver backoff en egenskab ved jobbet og ikke ved en\nproces, der sover. Det er det naturlige sted for den, når ingen sidder og venter\npå resultatet.\n\nI\n[e-mail med failover og leveringslog](/da/portfolio/built-email-with-failover-and-delivery-logging/),\nfra 2025, hører backoff til på systemets asynkrone side. Mailen går ud gennem\ntre udbydere, med SendGrid som den primære og SMTP2GO og Azure Communication\nServices bag den, og der skiftes automatisk mellem dem. Selve afsendelsen går\ngennem en klient med en timeout på 30 sekunder, mens den asynkrone levering\nprøver igen med backoff, så en kort forstyrrelse ikke får en besked til at gå\ntabt. Siden opsummerer resultatet: når en udbyder har en dårlig eftermiddag,\nbliver leveringen forringet i stedet for at gå ned. Den nævner også prisen,\nnemlig tre integrationer at holde i gang i stedet for én.\n\n## Hvor det går galt\n\n**Alle klienter venter lige længe.** Uden jitter prøver klienter, der fejlede\nsammen, igen sammen, og serveren ser den samme top igen efter ét, to, fire og\notte sekunder. Brookers simulering viste, at almindelig eksponentiel backoff af\nden grund næsten ikke mindskede konkurrencen. Tilføj jitter: i hans\nsammenligning skar både Full Jitter og Decorrelated Jitter markant ned på\nklienternes arbejde og serverens belastning, og begge er et fornuftigt\nstandardvalg.\n\n**Ventetiden har intet loft, eller forsøgene har ingen ende.** En fordobling\nuden loft passerer 17 minutter efter ti fejl, og en løkke uden grænse holder en\nforespørgsel i live længe efter, at den, der ventede på svaret, er gået videre.\nGoogle regner det at ignorere grænser for nye forsøg for et antimønster: at\nprøve igen i det uendelige kan opbruge programmets ressourcer eller blive ved\nmed at sende forespørgsler til en tjeneste, der ikke kommer sig uden indgriben.\nSæt en maksimal ventetid og en samlet frist, der er afstemt efter den, der\nkalder: kort, hvor latenstiden betyder noget, og længere for batchjob.\n\n**Permanente fejl får nye forsøg.** En afvist autorisation eller en ugyldig\nforespørgsel fejler på samme måde ved hvert forsøg. Et nyt forsøg udskyder kun\nfejlen, og uden en grænse kan klienten ende i en uendelig løkke, som\ndokumentationen til Cloud Storage advarer om. Sortér fejlene i forbigående og\npermanente før løkken, prøv kun de forbigående igen, for eksempel 408, 429, 5xx\nog afbrudte forbindelser, og log resten med deres årsag.\n\n**En ikke-idempotent operation gentages i blinde.** Fik en forespørgsel timeout,\nefter at serveren allerede havde udført den, gentager et nyt forsøg handlingen,\nhvad Googles liste over antimønstre beskriver som utilsigtede overskrivninger\neller sletninger af data. Prøv kun idempotente operationer igen, gør skrivninger\nbetingede, hvor API'et tillader det, og sørg ellers for, at den modtagende side\nkan genkende en dublet.\n\n**Nye forsøg stables i flere lag.** Foretager programmet tre forsøg, og foretager\nklientbiblioteket under det tre forsøg for hvert af de forsøg, bliver én fejl til\nni forsøg, hvilket er Googles eget eksempel, og hvert yderligere lag, der prøver\nigen på egen hånd, ganger antallet op igen. Dokumentationen tilføjer, at så\nmange nye forsøg kan få forespørgslerne droslet og give højere latenstid uden at\nforbedre andelen af vellykkede kald. Prøv igen i ét lag, som regel biblioteket,\nog slå nye forsøg fra eller ned i de andre.\n\n**Backoff nulstilles aldrig, eller ingen ser det.** En klient, der beholder sin\nsidste, lange ventetid efter en genopretning, sidder maksimummet ud ved den\nnæste lille fejl; gRPC nulstiller til den første backoff, så snart en\nforbindelse er accepteret, og TCP beregner sin timer igen ud fra nye målinger.\nNulstil efter en succes. Og fordi nye forsøg skjuler problemerne for brugerne,\nskjuler de dem også for teamet. Tæl dem i\n[overvågningen](/da/glossary/#monitoring), og udløs en\n[alarm](/da/glossary/#alert), når andelen af nye forsøg stiger, for en\nafhængighed, der skal bruge tre forsøg pr. kald, fejler allerede.\n\n## Læs mere\n\n- [RFC 6298: Computing TCP's Retransmission Timer](https://www.rfc-editor.org/rfc/rfc6298.html)\n  — reglerne fra Standards Track for TCP's timeout for genudsendelse, herunder\n  fordoblingen, hver gang timeren udløber.\n- [gRPC Connection Backoff Protocol](https://github.com/grpc/grpc/blob/master/doc/connection-backoff.md)\n  — algoritmen for genforbindelse, dens fem parametre med deres værdier, og\n  hvornår backoff nulstilles.\n- [Exponential Backoff And Jitter](https://aws.amazon.com/blogs/architecture/exponential-backoff-and-jitter/)\n  — Marc Brookers simulering fra 2015 af konkurrerende klienter, der\n  sammenligner backoff uden jitter med Full, Equal og Decorrelated Jitter.\n- [Retry strategy](https://docs.cloud.google.com/storage/docs/retry-strategy) —\n  hvad Cloud Storage anser for sikkert at prøve igen, standardværdierne i hvert\n  klientbibliotek og fem antimønstre for nye forsøg.\n- [RFC 9110: HTTP Semantics](https://www.rfc-editor.org/rfc/rfc9110.html#section-10.2.3)\n  — headerfeltet Retry-After, som en server bruger til at fortælle en klient,\n  hvor længe den skal vente før sin næste forespørgsel.\n\n\u003chttps://engineer.company/da/glossary/exponential-backoff/\u003e\n","date_modified":"2026-11-08T05:31:18Z","description":"Hvorfor en klient bør vente længere efter hvert mislykket forsøg, hvordan jitter spreder de nye forsøg, og hvornår de gør mere skade end gavn.","formats":{"gemtext":"https://engineer.company/da/glossary/exponential-backoff/index.gmi","gopher":"https://engineer.company/da/glossary/exponential-backoff/gophermap","html":"https://engineer.company/da/glossary/exponential-backoff/","json":"https://engineer.company/da/glossary/exponential-backoff/index.json","markdown":"https://engineer.company/da/glossary/exponential-backoff/index.md","pdf":"https://engineer.company/da/glossary/exponential-backoff/index.pdf"},"kind":"page","language":"da","title":"Hvad er eksponentiel backoff?","url":"https://engineer.company/da/glossary/exponential-backoff/","version":1}