{"canonical_url":"https://engineer.company/sv/glossary/exponential-backoff/","content_markdown":"# Exponentiell backoff\n\n## Vad det är\n\nExponentiell backoff är en regel för hur länge man ska vänta innan man försöker\nigen. Efter varje misslyckat försök multipliceras väntetiden med en fast faktor,\noftast två, tills den når ett tak: en sekund, sedan två, fyra, åtta och så\nvidare. Regeln bor i klienten, men den finns till för det som klienten anropar.\nEn server, en nätverksväg eller en databas som fallerar under för hög last\nåterhämtar sig inte fortare av att bli tillfrågad igen direkt. Den återhämtar\nsig när de som anropar den lättar på trycket, och en väntetid som växer med\nvarje fel får dem att lätta mer ju längre problemet varar.\n\nDet äldsta och mest spridda exemplet finns i TCP. RFC 6298, dokumentet i\nStandards Track från juni 2011 som specificerar hur TCP beräknar sin tidsgräns\nför omsändning (retransmission timeout), sätter den tidsgränsen till en sekund\ninnan den första tur och retur-tiden (round-trip time) har mätts, och säger att\nett beräknat värde under en sekund bör avrundas uppåt. Varje gång timern löper\nut och ett segment måste skickas igen, måste värden fördubbla tidsgränsen. En\növre gräns är tillåten, så länge den är minst 60 sekunder. När en ny mätning av\ntur och retur-tiden kommer in, beräknas tidsgränsen från mätningarna igen,\nvilket kan föra ner den direkt efter en rad fördubblingar. Algoritmen går\ntillbaka till Van Jacobsons artikel Congestion Avoidance and Control från 1988,\noch avsnittet om säkerhet i RFC:n säger vad som står på spel: internet är\nberoende av en korrekt timer för omsändning för att hålla nätet stabilt och\nundvika kollaps på grund av överbelastning (congestion collapse).\n\nI applikationskod kommer samma idé med en handfull inställningar: en inledande\nväntetid, en multiplikator, en maximal väntetid där tillväxten stannar och en\ngräns för antalet försök eller för den sammanlagda tiden som läggs på omförsök.\nSkrivet som formel är väntetiden efter det n-te felet det minsta av två värden:\ntaket, och grundväntetiden multiplicerad med multiplikatorn upphöjd till n, där\nn räknas från noll. AWS-analysen som diskuteras nedan kallar detta capped\nexponential backoff, alltså exponentiell backoff med tak. Taket betyder mer än\ndet ser ut. Fördubblar man en väntetid på en sekund tio gånger blir det 1 024\nsekunder, mer än 17 minuter, och det är längre än de flesta som anropar något är\nberedda att vänta.\n\nDen sista inställningen är jitter, ett slumpmässigt inslag i varje väntetid.\nProtokollet för connection backoff i gRPC, som beskriver hur gRPC-klienter\nansluter på nytt efter en misslyckad anslutning, börjar på en sekund,\nmultiplicerar med 1,6, slutar växa vid 120 sekunder och använder en jitter på\n0,2, så att varje väntetid flyttas slumpmässigt upp eller ner med upp till 20 %.\nDet ger också varje anslutningsförsök minst 20 sekunder att bli klart, och det\nåterställer backoff till startvärdet så snart servern har accepterat en\nanslutning, vilket det räknar som ögonblicket då SETTINGS-ramen kommer fram.\nProtokollet tillåter andra implementationer, till exempel på en mobiltelefon som\nbör vakna så sällan som möjligt, men kräver att backoff-perioder som började\nsamtidigt sprids ut och att ingen implementation försöker ansluta väsentligt\noftare.\n\n## Varför det spelar roll\n\nEtt omförsök är extra last, och det kommer i sämsta tänkbara ögonblick: precis\nnär det som anropas fallerar. Om en tjänst blir långsammare för att den är\növerbelastad, och alla som anropar den svarar med att försöka igen direkt,\nstiger lasten medan kapaciteten sjunker. Därför räknar dokumentationen för\nGoogle Cloud Storage omförsök utan backoff som ett antimönster: omedelbara eller\nmycket korta omförsök kan leda till kaskadfel, där ett fel utlöser andra. Med\nbackoff blir omförsöket en broms i stället för en förstärkare: ju längre\nproblemet varar, desto mindre lägger varje klient till.\n\nBackoff räcker inte ensam, för klienter som fallerar tillsammans väntar också\ntillsammans. I Exponential Backoff And Jitter, publicerad av AWS i mars 2015,\nsimulerade Marc Brooker många klienter som använde optimistisk\nsamtidighetskontroll (optimistic concurrency control) för att uppdatera samma\nrad i en fjärrdatabas. När varje klient konkurrerade i varje runda växte det\nsammanlagda arbetet med kvadraten på antalet klienter. Exponentiell backoff med\ntak hjälpte bara lite. Anropen kom fortfarande i klungor, med tysta luckor\nemellan, så konkurrensen minskade knappt. Att lägga till jitter, genom att dra\nvarje väntetid slumpmässigt mellan noll och det exponentiella värdet med tak,\ntog bort luckorna, gav en ungefär jämn takt av anrop och minskade antalet anrop\nmed mer än hälften i fallet med 100 konkurrerande klienter. Av varianterna han\njämförde var backoff utan jitter med Brookers ord ”den klara förloraren”. Han\nvar också tydlig med gränsen: ingen av metoderna ändrar det faktum att arbetet\nväxer med kvadraten på konkurrensen. Jitter minskar slöseriet; den tar inte bort\nkonflikten. I en uppdatering från maj 2023 skriver inlägget att de flesta AWS\nSDK:er nu har exponentiell backoff och jitter i sina standard- och adaptiva\nlägen för omförsök.\n\nBackoff avgör när man ska försöka igen, inte om det är säkert att göra det.\nDokumentationen för Cloud Storage ställer två frågor först. Den ena är om svaret\npekar på ett övergående problem: HTTP-statuskoderna 408, 429 och 5xx, timeouter\npå socketen och brutna TCP-anslutningar. Den andra är om förfrågan är\nidempotent. En listoperation kan upprepas fritt. Att skapa en Pub/Sub-avisering\nkan inte det, eftersom varje lyckat anrop skapar en ny avisering. Mellan de två\nligger villkorligt idempotenta operationer, som blir säkra att försöka igen när\nde har ett förhandsvillkor, till exempel en uppladdning som bara lyckas om\nobjektets generationsnummer fortfarande är det som klienten förväntar sig.\n\nIbland vet servern bättre än klientens formel. Headerfältet Retry-After,\ndefinierat i RFC 9110, talar om för klienten hur länge den bör vänta innan en\nuppföljande förfrågan, antingen som ett datum eller som ett antal sekunder, och\ntillsammans med svaret 503 Service Unavailable säger det hur länge tjänsten\nräknar med att vara otillgänglig. Statuskoden 429 Too Many Requests från RFC\n6585, som signalerar hastighetsbegränsning, får bära samma fält. En klient med\nen backoff-loop kan använda det värdet i stället för sin egen beräknade\nväntetid, eftersom det kommer från den sida som kan se sin egen last.\n\n## Så ser det ut i praktiken\n\nEn loop för omförsök med exponentiell backoff med tak och full jitter får plats\npå några få rader Python:\n\n```python\nimport random\nimport time\n\nclass TransientError(Exception):\n    \"\"\"Timeout, ett 408-, 429- eller 5xx-svar eller en bruten anslutning.\"\"\"\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 de här värdena skiljs fem försök åt av fyra väntetider med tak på 1, 2, 4\noch 8 sekunder. Loopen sover därför i högst 15 sekunder innan den ger upp, och i\ngenomsnitt i ungefär 7,5 sekunder, eftersom varje väntetid dras jämnt mellan\nnoll och sitt tak. Bara `TransientError` leder till ett nytt försök; ett\nauktoriseringsfel eller en felformad förfrågan kastar undantaget direkt. Och\nloopen upprepar allt som `op` gör, så `op` måste tåla att upprepas: en läsning,\neller en skrivning som servern kan känna igen som en upprepning.\n\nKlientbibliotek har egna versioner av den här loopen, och deras standardvärden\nskiljer sig åt, även för samma tjänst. För Cloud Storage börjar Python-klienten\npå en sekund, fördubblar varje väntetid upp till 60 sekunder och ger upp efter\nen standardtidsfrist på 120 sekunder. C++-klienten börjar också på en sekund och\nfördubblar, men väntar upp till fem minuter mellan försöken och fortsätter med\nomförsök i upp till 15 minuter, mer än sju gånger så länge. Den försöker också\nigen med operationer som aldrig är idempotenta, om inte programmet väljer en\nstrikt idempotenspolicy. Kommandoradsverktyget gcloud använder det som Google\nkallar truncated binary exponential backoff, med upp till 32 omförsök som\nstandard. Två program som anropar samma API med samma fel kan alltså rapportera\ndet efter två minuter eller efter en kvart, beroende på vilket språk de är\nskrivna i.\n\nVäntan behöver inte blockera en tråd. I bakgrundsarbete kan ett jobb som\nmisslyckas läggas tillbaka i en [kö](/sv/glossary/#queue) med en senare tidpunkt\nför körning, och då blir backoff en egenskap hos jobbet och inte hos en process\nsom sover. Det är den naturliga platsen för den när ingen väntar på svaret.\n\nI\n[e-post med failover och leveransloggning](/sv/portfolio/built-email-with-failover-and-delivery-logging/),\nfrån 2025, sitter backoff på den asynkrona sidan av systemet. Meddelandena\nskickas genom tre leverantörer, med SendGrid som primär och SMTP2GO och Azure\nCommunication Services i reserv, och failover mellan dem sker automatiskt.\nSjälva sändningen går genom en klient med en timeout på 30 sekunder, och den\nasynkrona leveransvägen gör nya försök med backoff, så att en kort störning inte\nkostar ett meddelande. Portföljsidan sammanfattar resultatet: när en leverantör\nhar en dålig eftermiddag fortsätter e-posten i begränsad drift i stället för att\ndrabbas av ett avbrott. Den nämner också priset, som är tre integrationer att\nunderhålla i stället för en.\n\n## Var det går fel\n\n**Alla klienter väntar lika länge.** Utan jitter försöker klienter som fallerade\ntillsammans igen tillsammans, och servern ser samma topp igen efter en, två,\nfyra och åtta sekunder. Brookers simulering visade att vanlig exponentiell\nbackoff av det skälet knappt minskade konkurrensen. Lägg till jitter: i hans\njämförelse minskade både Full Jitter och Decorrelated Jitter klientarbetet och\nserverlasten avsevärt, och båda är ett vettigt standardval.\n\n**Väntetiden har inget tak, eller omförsöken tar aldrig slut.** En fördubbling\nutan tak passerar 17 minuter efter tio fel, och en loop utan gräns håller en\nförfrågan vid liv långt efter att den som väntade på svaret har gett upp. Google\nräknar det att ignorera gränser för omförsök som ett antimönster: att försöka\nigen i all oändlighet kan tömma applikationens resurser eller fortsätta skicka\nförfrågningar till en tjänst som inte återhämtar sig utan ingrepp. Sätt en\nmaximal väntetid och en sammanlagd tidsfrist som passar den som anropar: korta\ndär latens spelar roll och längre för batcharbete.\n\n**Permanenta fel får nya försök.** Ett auktoriseringsfel eller en ogiltig\nförfrågan misslyckas på samma sätt varje gång. Ett nytt försök skjuter bara upp\nfelet, och utan en gräns kan klienten hamna i en oändlig loop, som\ndokumentationen för Cloud Storage varnar för. Dela in felen i övergående och\npermanenta före loopen, försök bara igen med de övergående, som 408, 429, 5xx\noch brutna anslutningar, och logga resten med orsaken.\n\n**En operation som inte är idempotent upprepas i blindo.** Om en förfrågan fick\ntimeout efter att servern redan hade utfört den, upprepar ett nytt försök\nhandlingen, något som Googles lista över antimönster beskriver som oavsiktliga\növerskrivningar eller raderingar av data. Försök bara igen med idempotenta\noperationer, gör skrivningar villkorliga där API:et tillåter det och se annars\ntill att den mottagande sidan kan upptäcka en dubblett.\n\n**Omförsök ligger i flera lager.** Om applikationen gör tre försök och\nklientbiblioteket under den gör tre försök för vart och ett av de försöken,\nblir ett fel nio försök, vilket är Googles eget exempel, och varje ytterligare\nlager som försöker igen på egen hand multiplicerar antalet igen. Dokumentationen\ntillägger att så många omförsök kan leda till strypning av förfrågningar\n(throttling) och högre latens utan att andelen lyckade förfrågningar blir\nbättre. Försök igen i ett lager, oftast i biblioteket, och stäng av eller skruva\nner omförsöken i de andra.\n\n**Backoff återställs aldrig, eller ingen ser den.** En klient som behåller sin\nsenaste, långa väntetid efter att allt har återhämtat sig sitter av hela\nmaxtiden vid nästa lilla fel; gRPC går tillbaka till den inledande backoff-tiden\nså snart en anslutning har accepterats, och TCP beräknar sin timer på nytt från\nfärska mätningar. Återställ efter ett lyckat anrop. Och eftersom omförsök döljer\nproblem för användarna döljer de dem också för teamet. Räkna dem i\n[övervakningen](/sv/glossary/#monitoring) och låt ett\n[larm](/sv/glossary/#alert) gå när andelen omförsök stiger, för ett beroende som\nbehöver tre försök per anrop fallerar redan.\n\n## Läs mer\n\n- [RFC 6298: Computing TCP's Retransmission Timer](https://www.rfc-editor.org/rfc/rfc6298.html)\n  — reglerna i Standards Track för tidsgränsen för omsändning i TCP, inklusive\n  fördubblingen varje gång timern löper ut.\n- [gRPC Connection Backoff Protocol](https://github.com/grpc/grpc/blob/master/doc/connection-backoff.md)\n  — algoritmen för återanslutning, dess fem parametrar med värden och när\n  backoff återställs.\n- [Exponential Backoff And Jitter](https://aws.amazon.com/blogs/architecture/exponential-backoff-and-jitter/)\n  — Marc Brookers simulering från 2015 av konkurrerande klienter, som jämför\n  backoff utan jitter med Full, Equal och Decorrelated Jitter.\n- [Retry strategy](https://docs.cloud.google.com/storage/docs/retry-strategy) —\n  vad Cloud Storage räknar som säkert att försöka igen, standardvärdena i varje\n  klientbibliotek och fem antimönster för omförsök.\n- [RFC 9110: HTTP Semantics](https://www.rfc-editor.org/rfc/rfc9110.html#section-10.2.3)\n  — fältet Retry-After, med vilket en server talar om för en klient hur länge\n  den ska vänta före nästa förfrågan.\n\n\u003chttps://engineer.company/sv/glossary/exponential-backoff/\u003e\n","date_modified":"2026-11-08T05:31:18Z","description":"Varför en klient bör vänta längre efter varje misslyckat försök, hur jitter sprider ut omförsöken och när de gör mer skada än nytta.","formats":{"gemtext":"https://engineer.company/sv/glossary/exponential-backoff/index.gmi","gopher":"https://engineer.company/sv/glossary/exponential-backoff/gophermap","html":"https://engineer.company/sv/glossary/exponential-backoff/","json":"https://engineer.company/sv/glossary/exponential-backoff/index.json","markdown":"https://engineer.company/sv/glossary/exponential-backoff/index.md","pdf":"https://engineer.company/sv/glossary/exponential-backoff/index.pdf"},"kind":"page","language":"sv","title":"Vad är exponentiell backoff?","url":"https://engineer.company/sv/glossary/exponential-backoff/","version":1}