Algorithm 为什么随机抖动应用于退避策略？

下面是我看到的一些示例代码

int expBackoff = (int) Math.pow(2, retryCount);
int maxJitter = (int) Math.ceil(expBackoff*0.2);
int finalBackoff = expBackoff + random.nextInt(maxJitter);

---

我想知道在这里使用随机抖动有什么好处？

假设您有多个客户端发送冲突的消息。他们都决定放弃。如果它们使用相同的确定性算法来决定等待多长时间，它们将同时重试——导致另一次冲突。添加一个随机因子会分隔重试次数。

它会平滑所请求资源上的流量

如果您的请求在某个特定时间失败，那么其他请求很有可能在几乎完全相同的时间失败。如果所有这些请求都遵循相同的确定性退避策略（例如，在1、2、4、8、16…秒后重试），那么第一次失败的每个人都将在几乎完全相同的时间重试，并且很有可能同时发生的请求比服务能够处理的要多，从而导致更多的失败。即使重试峰值之外的服务总体负载水平很小，这组相同的并发请求也可能重复出现，并可能重复失败

---

通过引入抖动，失败请求的初始组可能会聚集在一个非常小的窗口中，比如100ms，但是随着每个重试周期的进行，请求的集群会扩展到一个越来越大的时间窗口中，从而减少给定时间的峰值大小。当请求分布在一个足够大的窗口上时，该服务可能能够处理请求。

随机化避免了同时发生多个调用的重试

---

关于指数退避和抖动的更多信息可以在这里找到：

事实上，或者我喜欢称之为“Alphonse&Gaston”问题。我知道这是雷鸣/树桩群问题（）这篇AWS文章通过简单的分析对理解几种退避算法非常有用。