消息重试配了 16 次 下游 429 被打满 退避时间怎么算

下游开始返回 429，MQ 重试次数从 0 涨到 16，消费组积压到 4 万条，下游日志里同一秒进来 300 个请求。第一次遇到会往复杂处想，其实漏掉的多是个小前提。

# RocketMQ 重试间隔 单位秒 从 10 开始
# retryMaxTimes=16 建议压到 8 以内
SELECT topic, queue_id, count(*) FROM mq_consume_log
WHERE retry_times > 3 GROUP BY topic, queue_id;

重试策略是固定间隔 1 秒、最多 16 次，失败消息和正常消息挤在同一个队列。下游限流每秒 50，重试流量叠上去直接打满，正常消息也跟着失败。这一点先确认清楚，后面就不用反复试。

「重试退避上限」相关的验证我通常做两遍，改完一次、隔天再看一次，确认不是临时生效。把复现步骤压到三条以内，交给同事也能跑出来，才算真的定位清楚。

改动写完就同步给同事，下一个人踩同一个坑，成本还是你的。

具体做法是，重试间隔改成指数退避 从 5 秒开始翻倍 上限 5 分钟；重试超过 6 次转入独立重试队列 不抢正常消息的线程；消费端加令牌桶 按下游 QPS 限速；连续失败的批次先暂停消费 等下游恢复再放。

改完照着核一遍，重试队列堆积不再增长 下游 429 占比降到 1% 以下 正常消息延迟回到秒级。