Saltar al contenido
Underc0de /foro

Un servicio del que dependés empieza a responder lento y tu servicio termina caído en cascada. ¿Cómo diseñás para que no vuelva a pasar?

$ interview --rol dev

Evalúa patrones de resiliencia en sistemas distribuidos: timeouts, reintentos con backoff y jitter, circuit breaker, bulkheads y degradación controlada.

Desarrollonivel senior#devops-cloud#desarrollo-web

Respuesta

La causa típica: llamadas sin timeout (o con timeouts largos) que retienen hilos y conexiones. El pool se agota y mi servicio deja de atender incluso los requests que no dependen del otro. Encima, los reintentos multiplican la carga sobre un servicio que ya está saturado.

Defensas, en orden:
  • Timeouts explícitos en conexión y lectura, alineados con mi propio SLO. Si me piden responder en 500 ms, no puedo esperar 30 s a una dependencia. Propago un deadline hacia abajo.
  • Reintentos acotados, solo en operaciones idempotentes y errores transitorios, con backoff exponencial y jitter para no sincronizar picos. Además pongo un retry budget, por ejemplo un máximo del 10% extra de tráfico.
  • Circuit breaker: si la tasa de error o latencia supera un umbral, el circuito se abre y fallo rápido. Después de un tiempo pasa a half-open y deja pasar algunas pruebas.
  • Bulkheads: pools de conexiones o hilos separados por dependencia, para que una sola no consuma todos los recursos.
  • Degradación controlada: fallback con caché, respuesta parcial o feature desactivada, en vez de un error total.
  • Load shedding: rechazar temprano (429/503) cuando la cola interna crece.

Código: text
delay = min(cap, base * 2 ** intento)
sleep(random.uniform(0, delay))  # full jitter

Observabilidad: métricas de latencia p99 por dependencia, estado del breaker, saturación de pools y tracing distribuido para ver dónde se acumula el tiempo.

Validación: pruebo todo esto con fault injection en staging (latencia y errores artificiales) para confirmar que los breakers se abren y que los fallbacks realmente funcionan.

Errores comunes

Proponer solo más reintentos, lo que agrava la saturación. Olvidar los timeouts o reintentar operaciones no idempotentes. Mencionar circuit breaker sin explicar sus estados ni cómo se prueba.

Redactado con el asistente Underc0de IA. Actualizado el 19/11/2026. ¿Ves un error? Contanos en el foro.

Grupo de WhatsApp