2026年5月29日Azure OpenAI故障：重试风暴如何放大云服务问题

5月29日，Azure OpenAI Service多个区域出现延迟升高、间歇失败、超时和HTTP 5XX错误。微软复盘显示，上游变更改变容量故障的呈现方式，引发内部重试流量快速增加，最终压垮共享推理负载均衡组件。

重试本意是提升可用性，但缺少退避、抖动和总量限制时会形成重试风暴。调用AI接口的系统应设置指数退避、熔断、请求预算和多模型降级，避免局部故障演变成全链路拥塞。

信息依据：Microsoft Azure事件复盘LYXT-C1Z。