函数计算异步任务在高并发Agent场景下的幂等性与去重实践（附真实踩坑案例）

2026-02-13 129

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 本文分享大厂AI应用在函数计算（FC）高并发场景下，应对异步任务重复执行的**四层幂等去重实战方案**：从全链路requestId透传、Redis+Lua轻量锁（拦截85%+重复）、Handler内指纹校验，到DB唯一索引兜底。附可落地代码与真实数据——重复率由11.7%降至0.08%，LLM调用与FC账单显著下降。

函数计算异步任务在高并发AI Agent场景下的幂等性与去重实践（真实踩坑+可落地代码）

大家好，我是Lee，坐标某大厂，日常主要做AI应用后端，这两年几乎所有在线服务都跑在阿里云函数计算（FC）上。

前段时间帮一个ToC智能助手产品扛高峰（日活200w+，早8点和晚6点各一个尖峰），结果被异步任务重复执行坑惨了：

用户收到N条完全一样的回复
数据库重复写入相同记录
LLM token和FC账单莫名多出几千块……

排查下来，主要三类原因：

用户/前端狂点（防抖失效或脚本刷）
上游消息队列/EventBridge等偶发重投递
FC异步调用本身的At-Least-Once + 重试机制

今天把我们最终跑通的四层去重组合拳完整开源出来，全部可直接抄，附带真实数据和血的教训。

核心思路：业务层 + 平台层双保险，而不是赌单一层不出问题。

一、FC异步为什么容易重复？

官方文档写得很明白：FC的异步调用（HTTP异步、事件源触发、定时器、MNS/Kafka/EventBridge等）都是 At-Least-Once 语义。

在AI Agent场景尤其狠：

一个用户意图 → 多轮工具调用（tool call → LLM → tool call）
链路越长，重试窗口越大
重复概率指数级上升

二、四层防重方案（从外到内，层层递进）

层1：全链路透传 requestId（最外层，性价比最高）

用户请求进来第一步生成全局唯一 requestId（雪花ID + user_id后8位混淆），全程Header透传：

HTTP Header: X-Request-ID: xxx
所有工具调用、回调、异步payload都必须带上
前端收到响应先比对requestId，已处理过的直接丢弃

哪怕FC重复触发，前端也能秒丢。

层2：Redis + Lua 分布式轻量锁（拦截率最高的一层）

去重粒度：用户 + 意图 + 业务唯一标识

key 设计示例：

fc:dedup:{user_id}:{intent_type}:{biz_key}
# 例子：fc:dedup:123456789:reply_message:session_abc123_order456

Lua脚本（set-if-absent + 相同request允许幂等）：

-- dedup.lua
local key       = KEYS[1]
local req_id    = ARGV[1]
local ttl       = tonumber(ARGV[2])   -- 建议180~300

local exists = redis.call('GET', key)

if exists then
    if exists == req_id then
        return 'REPEAT_SAME'      -- 同一个req，幂等放行
    else
        return 'REPEAT_OTHER'     -- 别的req先占位，丢弃本次
    end
else
    redis.call('SET', key, req_id, 'EX', ttl)
    return 'FIRST'
end

Python 调用（redis-py）：

import redis

r = redis.Redis(...)  # 你的连接配置

DEDUPE_SCRIPT = """
-- 把上面的Lua完整粘贴在这里
"""

def try_dedup(user_id: str, intent: str, biz_key: str, request_id: str, ttl: int = 180) -> str:
    key = f"fc:dedup:{user_id}:{intent}:{biz_key}"
    result = r.eval(DEDUPE_SCRIPT, 1, key, request_id, ttl)
    return result.decode() if isinstance(result, bytes) else result

FIRST → 正常执行
REPEAT_SAME → 幂等放行（适合更新/通知类操作）
REPEAT_OTHER → 直接return + 打warn日志

这一层单独跑就能挡掉 85%+ 的重复，延迟增加 < 2ms。

层3：FC Handler 内二次指纹校验

利用event自带eventId（部分源支持）+ payload稳定指纹：

import hashlib
import json

def handler(event, context):
    evt = json.loads(event)
    payload = evt.get("payload", {
   })

    req_id = payload.get("requestId")
    if req_id:
        # 已在上层Redis处理，这里可信任或再check
        pass
    else:
        # fallback指纹
        sorted_json = json.dumps(payload, sort_keys=True, separators=(',',':'))
        fp = hashlib.md5(sorted_json.encode()).hexdigest()
        short_key = f"fc:fp:{fp[:16]}"   # 短ttl 30s 二次防
        # 再走一次Redis check（类似try_dedup逻辑）
        ...

层4：数据库最终兜底

所有写操作表必加：

request_id varchar(64)
唯一索引 uk_request_id 或复合唯一索引

Redis彻底挂掉还有数据库保底。

三、真实效果数据（2025年底～2026年初，部分脱敏）

峰值QPS ≈ 4200
无去重重复率 ≈ 11.7%
只加requestId透传 ≈ 3.1%
加Redis Lua层 ≈ 0.42%
四层全开 ≈ 0.08% 以内（基本可忽略）

收益：

LLM无效调用减少 ≈ 22%
FC账单降低 ≈ 18%
DB写压力降低 ≈ 15%

四、几条必须记住的坑

永远不要信“上游已经防重了”——上游防的是它自己
TTL要覆盖业务最长链路，但别超过5分钟（内存压力）
日志强制打印 requestId + fingerprint，排查神器
灰度第一件事：挂重复率大盘
公式：(Redis拒绝数 + DB唯一冲突数) / 总调用量
同一个request重复进来时要允许幂等通过，别一刀切拒绝

有朋友也在用FC跑Agent、多轮对话、异步工作流吗？你们是怎么防重的？有没有遇到更离谱的重复场景？

也很好奇阿里云FC未来会不会原生支持request级去重（配置一下就完事那种，真的很香）。