本课程围绕同一个决定展开：系统出错之后，是否应当重试，以及如何重试。十二周对应十二种具体情况，从时断时续的 HTTP 调用，到同一笔款项被重复扣除的支付流程。课程要回答的问题是：重试在什么情况下确实有效，又在什么情况下会使问题进一步恶化。
系统出错之后，是否应当重试，以及如何重试？答案通常是肯定的，重试大多也确实成功了，这个动作因此往往在无人审视的情况下就成了习惯。本课程用十二周讨论它失效的场合：同一笔款项被扣除两次；刚刚开始恢复的下游服务被自己的客户端再次压垮；调用方早已不再等待，重试却仍在九十秒之后继续执行。
十二周，十二种情况
每一周都把同一个问题放进一种新的情况，而每一种情况都足够具体，可以直接复现：一次读取操作超时；同一笔款项被扣除两次；一万个客户端在同一秒内同时重连；凌晨三点，两个人分别发出了同一笔付款，而两次操作之间没有任何代码加以拦截。
每一周的结构相同，都由五个部分组成：具体情况；多数人首先想到的做法；这种做法在此处失效的原因；应当改用的方案；以及这个决定由谁负责，可能是客户端、调用库、平台、运维人员或产品团队，也可能无人负责。
每一种方案的适用边界都由它自身的工作原理决定：退避（backoff）会给本来即将成功的请求增加延迟；熔断（circuit breaker）在断开期间会拒绝那些原本可以成功的调用；超时截止（deadline）会丢弃即将完成的工作。到第十二周，你应当能够指出自己提出的任何一条重试策略的边界，并当面为它辩护。
适合什么样的学生
本课程面向三年级学生：写过需要经过网络通信的代码，并且已经遇到过它出乎意料的失败。你应当能够读懂一份陌生的代码库，并在其中做出少量修改。课程不要求分布式系统的理论基础，也不假定你有生产环境的运维经验。
本学期的大部分时间，你都在有意制造故障，并决定如何应对。学期结束时，你会得到三项成果：一份审计报告；一条重试策略，你需要当面为它辩护，而对方受命找出它的漏洞；以及一篇书面论证，说明在某些情况下根本不应重试。