微信公众号后台回复5s重试解决方案和思路

简介: 微信公众号后台回复5s重试解决方案和思路

前置条件


1.微信公众号申请


       我们在上网冲浪的时候,去申请一些资源的时候,关注某个微信公众号,发送一串数字就会给一个解锁密码以供后续操作,这个环节需要配合 申请微信公众号。具体的微信公众号的申请请看微信公众号平台教程或者其他总结,在这里不多做赘述。


2.内网穿透


       之所以会使用到内网穿透,是因为在配置微信公众号服务器的时候,需要公网的地址,如果你的服务器部署在自己电脑上的话,那么实际上微信公众号是访问不到你的机器的。所以也就是需要将你自己的服务器和公网进行一个应该,在这里推荐 NATAPP这个网站,可以使用免费的,也可以使用付费的,但是付费的还需要额外花几块钱买一个二级域名。


场景


       近期我遇到了这么一个场景,我想将chatgpt的能力 和 微信公众号绑定,其实也就是我向一个微信公众号发送问题,那么 后台就会返回我chatgpt的答案,这样,就不需要翻墙,很方便,也是扩展chatgpt的使用场景了。


       但是当真正开发完成的时候,发现,微信公众号有一个超时时间5s,也就是如果5s内没有回复就要重试请求,一共三次,如果三次都没有返回请求的话,那么 就会提示 微信公众号不可用。


       而通过实践,chatgpt很大概率上不能在5s内完成回复。那么就没办法做到智能问答的效果。


解决思路


1.客服回复


       通过查阅各种各样的资料,这个办法一直是大家广泛提起的,其实就是 使用客服回答 接口进行回答即可。但是我们所注册的微信公众号更多的都是个人微信公众号,没办法进行微信认证,所以不能使用客服接口,所以该方法可能对普通人不适用。


2.第一次提问后使用异步线程,然后再次提问获得回答


       这个解决思路其实还挺简单的,原理也很简单,就是当发第一次请求的时候,内部启动一个异步线程先回复一个消息 :“请稍等几秒钟再次回复【原来的消息】”,将这个消息存储进一个map中,然后等待异步线程执行结束,将map存储的key中的value补充上,等到下次再次提问的时候,就直接从key里的value取即可。


3.在三次重试中,获取返回,用户只需要提问一次


        本质上其实是一个具有超时重试机制的任务处理功能,具体看代码。

public class CallableCallback {
    private static final Logger logger = LoggerFactory.getLogger(CallableCallback.class);
    public static final ConcurrentHashMap<Long, Future<String>> map = new ConcurrentHashMap<>();
    public static final AtomicInteger atomicCount = new AtomicInteger();
    // GPT 任务线程池
    public static final ThreadPoolExecutor executor = new ThreadPoolExecutor(
            10, 10,
            3, TimeUnit.MINUTES,
            new ArrayBlockingQueue<>(100), (runnable) -> new Thread(runnable, atomicCount.getAndAdd(1) + "号线程"),
            new ThreadPoolExecutor.AbortPolicy()
    );
    public static void main(String[] args) throws InterruptedException {
        Long tid = 1L;
        new Thread(new MyTask(tid, "请求A"), "请求A").start();
        Thread.sleep(5000);
        new Thread(new MyTask(tid, "重试A1"), "重试A1").start();
        Thread.sleep(5000);
        new Thread(new MyTask(tid, "重试A2"), "重试A2").start();
        Thread.sleep(5000);
        executor.shutdown();
    }
    static class MyTask implements Runnable {
        private Long tid;
        private String name;
        /**
         * GPT 请求耗时
         */
        private Long gptTime;
        private TimeUnit gptTimeUnit;
        /**
         * 接口超时
         */
        private final Long outTime = 4800L;
        private final TimeUnit outTimeUnit = TimeUnit.MILLISECONDS;
        public MyTask(Long tid, String name) {
            this.tid = tid;
            this.name = name;
            this.gptTime = 12L;
            this.gptTimeUnit = TimeUnit.SECONDS;
        }
        public MyTask(Long tid, String name, Long gptTime, TimeUnit gptTimeUnit) {
            this.tid = tid;
            this.name = name;
            this.gptTime = gptTime;
            this.gptTimeUnit = gptTimeUnit;
        }
        @Override
        public void run() {
            long start = System.currentTimeMillis();
            Future<String> future = map.get(tid);
            String res;
            if (future == null) {
                // 模拟 GPT 耗时接口
                logger.info("<-----线程:{} 开始执行完gpt任务----->", name);
                future = executor.submit(() -> testGpt(gptTime, gptTimeUnit));
                try {
                    res = future.get(outTime, outTimeUnit);
                    long end = System.currentTimeMillis();
                    logger.info("线程:{} 执行完gpt任务,任务成功返回,耗时:{} 毫秒,结果:{}", name, end - start, res);
                } catch (InterruptedException | ExecutionException e) {
                } catch (TimeoutException e) {
                    logger.info("线程:{} 执行完gpt任务,耗时5秒,任务超时", name);
                    // TODO 超时了,任务添加到map,直接返回,不管了,让后面的请求重试
                    map.put(tid, future);
                }
                return;
            }
            // 这是重试请求,直接从 Future 获取第一次请求的结果
            try {
                logger.info("线程:{} 开始尝试从 Future 获取第一次请求的结果,任务结果", name);
                res = future.get(outTime, outTimeUnit);
                logger.info("线程:{} 在规定时间内从 Future 获取第一次请求的结果:{}", name, res);
                // 移除阻塞队列
                map.remove(tid);
            } catch (InterruptedException | ExecutionException e) {
            } catch (TimeoutException e) {
                // 获取失败
                logger.info("线程:{} 获取第一次请求的结果,超时", name);
            }
        }
        /**
         * 模拟Gpt接口,耗时指定时间
         */
        private String testGpt(final long time, final TimeUnit timeUnit) {
            try {
                timeUnit.sleep(time);
            } catch (InterruptedException e) {
            }
            return "gpt接口返回";
        }
    }
}


限制


       其实主要是针对第二种 和 第三种方法的限制的,一般来说 chatgpt接口都能在 15s内返回,或者其他任务也是一样的,如果能保证返回,那么就可以使用第三种办法,如果不能保证,还是乖乖使用第二种办法来解决问题。

目录
相关文章
|
7月前
|
移动开发 小程序 API
微信外部浏览器或短信链接唤起微信小程序的解决方案
微信外部浏览器或短信链接唤起微信小程序的解决方案
1646 1
|
2月前
|
小程序 JavaScript 前端开发
uni-app开发微信小程序:四大解决方案,轻松应对主包与vendor.js过大打包难题
uni-app开发微信小程序:四大解决方案,轻松应对主包与vendor.js过大打包难题
758 1
|
6月前
|
小程序
微信小程序没有后台切换如何解决
微信小程序没有后台切换如何解决
|
2月前
|
缓存 小程序 索引
uni-app开发微信小程序时vant组件van-tabs的使用陷阱及解决方案
uni-app开发微信小程序时vant组件van-tabs的使用陷阱及解决方案
256 1
|
2月前
|
机器学习/深度学习 人工智能 JSON
微信小程序原生AI运动(动作)检测识别解决方案
近年来,疫情限制了人们的出行,却推动了“AI运动”概念的兴起。AI运动已在运动锻炼、体育教学、线上主题活动等多个场景中广泛应用,受到互联网用户的欢迎。通过AI技术,用户可以在家中进行有效锻炼,学校也能远程监督学生的体育活动,同时,云上健身活动形式多样,适合单位组织。该方案成本低、易于集成和扩展,已成功应用于微信小程序。
|
3月前
|
人工智能 机器人 Serverless
《10 分钟构建 AI 客服并应用到网站、钉钉或微信中》解决方案体验评测
一文带你详细了解如何基于百炼平台、函数计算或者计算巢AppFlow10 分钟构建 AI 客服并应用到网站、钉钉或微信中,附全篇图文详解,欢迎阅读评价。
320 9
《10 分钟构建 AI 客服并应用到网站、钉钉或微信中》解决方案体验评测
|
2月前
|
JSON 小程序 前端开发
微信小程序-人脸核身解决方案
微信小程序-人脸核身解决方案
240 0
|
2月前
|
云安全 存储 小程序
PHP微信小程序解决方案PhpMall
PHP微信小程序解决方案PhpMall
45 0
|
2月前
|
小程序
微信小程序之weui.wxss不能引用查找的解决方案
微信小程序之weui.wxss不能引用查找的解决方案
73 0
|
3月前
|
小程序 前端开发 API
微信小程序 - 调用微信 API 回调函数内拿不到 this 问题(解决方案)
本文讨论了在微信小程序中调用API回调函数时无法获取到`this`上下文的问题,并提供了解决方案。在回调函数中,使用一个变量(如`that`)来保存当前的`this`引用,然后在回调内部使用这个变量来访问当前页面的数据和方法。