从Web应用访问Cosmos DB时频繁出现HttpRequestException问题求助

这种批量/突发请求下碰到的System.AggregateException，我在实际项目里也遇到过好几次，结合你的场景（同区域同资源组部署），大概率和Cosmos DB的请求速率限制（RU节流）、客户端配置不合理或者批量操作的处理方式有关，给你几个针对性的排查和解决方向：

1. 先拆解异常，确认是不是RU节流在搞鬼 #

AggregateException一般是把底层的异常包起来了，其中最常见的就是RequestRateTooLargeException（也就是RU不够用被限流了）。你可以先在代码里把异常拆开来看看细节：

try
{
    // 你的批量操作逻辑
}
catch (AggregateException ae)
{
    foreach (var innerEx in ae.InnerExceptions)
    {
        if (innerEx is RequestRateTooLargeException rateLimitEx)
        {
            // 这里能看到明确的节流提示，甚至SDK会给你建议的重试间隔
            Console.WriteLine($"触发RU节流了，建议重试间隔：{rateLimitEx.RetryAfter.TotalMilliseconds}ms");
        }
    }
}

Cosmos DB SDK虽然自带重试机制，但如果突发请求量远超集合配置的RU上限，默认的重试策略可能顶不住，或者你的批量操作没适配好重试逻辑。

2. 优化客户端的重试策略 #

默认重试策略更适合常规请求，批量场景下可以自定义更适配的策略：

• 调整重试次数和等待时间：通过CosmosClientOptions来配置，比如增加最大重试次数，用指数退避来避免短时间内再次触发限流：

var clientOptions = new CosmosClientOptions()
{
    MaxRetryAttemptsOnRateLimitedRequests = 10,
    MaxRetryWaitTimeOnRateLimitedRequests = TimeSpan.FromSeconds(30),
    RetryPolicy = new ExponentialBackoffRetryPolicy(
        maxRetryAttempts: 10,
        maxRetryWaitTime: TimeSpan.FromSeconds(30))
};
var cosmosClient = new CosmosClient(yourConnectionString, clientOptions);

• 注意：别盲目调大重试次数，要结合你的业务容忍度，避免请求长时间阻塞。

3. 优化批量操作的执行方式 #

如果是你自己手动写的批量请求，别一股脑把所有请求都发出去，要做并发控制：

• 用SemaphoreSlim限制同时发起的请求数，比如控制在10-20个并发（具体数值根据你的RU配置调整）：

var concurrencyLimit = new SemaphoreSlim(15); // 限制15个并发请求
var taskList = new List<Task>();

foreach (var item in yourBatchItems)
{
    await concurrencyLimit.WaitAsync();
    taskList.Add(Task.Run(async () =>
    {
        try
        {
            // 单个文档的创建/更新操作
            await yourContainer.CreateItemAsync(item);
        }
        finally
        {
            concurrencyLimit.Release();
        }
    }));
}

await Task.WhenAll(taskList);

• 优先用Cosmos DB官方的批量操作API（CreateTransactionalBatchAsync），这个API会自动优化请求路由和RU的使用效率，比自己手动并行请求靠谱多了：

using (var batch = yourContainer.CreateTransactionalBatch(new PartitionKey("yourPartitionKeyValue")))
{
    foreach (var item in yourBatchItems)
    {
        batch.CreateItem(item);
    }
    var batchResponse = await batch.ExecuteAsync();
    
    if (!batchResponse.IsSuccessStatusCode)
    {
        // 批量操作失败时，逐个处理失败的项
        foreach (var operationResult in batchResponse)
        {
            if (!operationResult.IsSuccessStatusCode)
            {
                // 这里可以针对单个失败项做重试或者日志记录
            }
        }
    }
}

4. 检查Cosmos DB的RU配置和监控数据 #

• 登录Azure门户，看一下Cosmos DB集合的RU使用率监控（Metrics -> Request Units），如果突发请求时使用率接近100%，那就是RU不够用了：
  • 临时调高RU上限（如果是弹性RU的话可以开自动缩放）
  • 优化单个操作的RU消耗：比如确保操作都用对了分区键，避免跨分区操作；查询时只返回需要的字段（用Projection）
• 开启Cosmos DB的自动缩放RU，让系统根据负载自动调整RU数量，特别适合有突发流量的场景。

5. 排查App Service的资源瓶颈 #

虽然是同区域部署，但如果App Service的CPU、内存不够用，也可能导致请求超时或者抛出异常：

• 去Azure门户看App Service的监控指标（CPU使用率、内存占用、请求队列长度），如果有资源瓶颈，考虑升级App Service的定价层。

最后再提个醒：一定要在代码里正确处理异常，别让AggregateException直接抛出来却不处理内部细节，不然很难定位到底是啥问题。

内容的提问来源于stack exchange，提问作者ATV