实现带 jitter 的指数退避重试（不依赖 backoff 库）可以通过手动计算重试间隔，并在每次重试时添加随机抖动（jitter）来避免多个请求同时重试，从

urllib3.Retry 通过自定义 backoff_func 实现带 jitter 的指数退避，公式为 min(backoff_max, (2 retry_count) backoff_factor random.uniform(0.5, 1.5))，需设 backoff_factor=0 避免叠加，默认返回值即 sleep 秒数。

requests 自带重试机制不支持 jitter，必须手动封装

requests 的 urllib3.Retry 能做指数退避，但所有重试间隔是确定的（如 1s、2s、4s），没有随机抖动（jitter）。生产环境直接用它容易触发服务端限流或雪崩，必须自己加 jitter —— 也就是在每次计算出的基础等待时间上乘一个 [0.5, 1.5) 之间的随机因子。

用 urllib3.Retry + 自定义 backoff_func 实现 jitter

urllib3.Retry 允许传入 backoff_factor 和 backoff_max，但它默认的退避逻辑是线性的（实际是指数，但无 jitter）。真正可控的方式是传入自定义的 backoff_func 参数，该函数接收重试次数 retry_count，返回应等待的秒数。

• 基础公式： base = min(backoff_max, (2 ** retry_count) * backoff_factor)
• jitter 部分：乘以 random.uniform(0.5, 1.5)，避免重试请求扎堆
• 注意：这个函数只在 urllib3 内部调用，不能抛异常，也不能依赖外部状态

import random
import time
from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry
def jittered_backoff(retry_count):
base = (2 * retry_count)  0.5  # backoff_factor=0.5
max_wait = 60.0
return min(max_wait, base * random.uniform(0.5, 1.5))
retry_strategy = Retry(
total=5,
status_forcelist=[429, 500, 502, 503, 504],
backoff_factor=0,  # 必须设为 0，否则会叠加默认逻辑
backoff_max=60,
backoff_func=jittered_backoff,
)
adapter = HTTPAdapter(max_retries=retry_strategy)
session = requests.Session()
session.mount("http://", adapter)
session.mount("https://", adapter)

requests.Session 不会自动 sleep，需在 backoff_func 中控制阻塞

很多人误以为 backoff_func 返回值会被 urllib3 自动用于 time.sleep() —— 实际上不是。urllib3 仅用它来决定是否重试（比如超时前还剩多少时间），真正的等待逻辑在它内部实现。但关键点是：**只有当 backoff_func 返回值 ≤ 剩余重试时间时，urllib3 才会 sleep 对应时长**。所以你返回的值就是最终 sleep 秒数，不需要额外 time.sleep()。

• 如果你返回 3.7，urllib3 就会 sleep 约 3.7 秒（精度取决于系统调度）
• 返回负数或 None 会导致立即重试（不推荐）
• 若用 Retry(total=3)，retry_count 取值为 0, 1, 2（不是 1~3）

注意 time.monotonic() vs time.time() 与系统时钟漂移

urllib3 内部用 time.monotonic() 计算剩余等待时间，所以你的 backoff_func 返回值不会受系统时间回拨影响。这点不用额外处理，但如果你在自定义重试逻辑里手动 sleep，就得自己用 monotonic() 校验 —— 而用 backoff_func 方式就天然规避了这个问题。

真正容易被忽略的是：jitter 的随机源必须是线程安全的。如果 session 被多线程共用（比如在 FastAPI 的全局 client 里），random.uniform() 默认使用全局 random.Random 实例，在 CPython 中是线程安全的，但不保证跨平台；更稳妥的做法是每个重试策略绑定独立的 random.Random 实例，不过对绝大多数场景，直接用 random.uniform 已足够。