DashScope 报 RateQuota，QPS 还是并发超了

用 20 个线程同时调 qwen-plus 做批量翻译，返回 429，code 是 Throttling.RateQuota，message 提示 Requests rate limit exceeded，把线程降到 5 个后基本不再出现。

一开始怀疑是「子账号与主账号共享同一份配额」，查了一圈，方向不对。

真正麻烦的地方在于，几个原因的现象几乎一样。账号的每分钟请求数被瞬间打满。另一种情况是线程池并发数远高于账号允许的并发上限。

不容易想到的是，重试请求叠加进去，实际速率翻了一倍。

第一件事是把并发压到可控范围再观察错误率

python -c "from concurrent.futures import ThreadPoolExecutor;print(ThreadPoolExecutor(max_workers=4))"

接着改用批量接口，把多条文本合并成一次调用

curl https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions -H "Authorization: Bearer $DASHSCOPE_API_KEY" -d '{"model":"qwen-plus","messages":[{"role":"user","content":"hi"}]}'

再往下对 429 单独做退避，其余错误直接失败

if 'Throttling' in err: time.sleep(3)

末了把每分钟实际请求数打成指标观察

print({'rpm': count, 'errors': errs})

改完先别撤，确认这几项。批量任务跑完，429 只有零星几次，平均耗时没有明显上升，失败重试次数控制在个位数。

限流既看 QPS 也看并发，短时间突发即使总量不大也会触发，节奏要拉平而不是靠重试硬顶，否则重试流量本身就会持续顶满。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。