ms-ai-architect/skills/ms-ai-advisor/references/copilot-extensibility/copilot-api-rate-limiting-resilience.md

API Rate Limiting and Resilience Patterns

Last updated: 2026-06-19 | Verified: MCP 2026-06-19 Status: GA Category: Copilot Extensibility & Integration

---

Introduksjon

Rate limiting og resilience patterns er kritiske for å bygge robuste Microsoft AI-applikasjoner som håndterer transiente feil, throttling og kapasitetsbegrensninger på en elegant måte. Microsofts AI-plattformer (Azure OpenAI, Copilot Studio, M365 Copilot) implementerer throttling for å beskytte infrastruktur og sikre rettferdig ressursfordeling. Effektiv håndtering av disse begrensningene skiller en prototyp fra en produksjonsklar løsning.

Denne referansen dekker:

• Retry patterns med exponential backoff for transiente feil
• Rate limiting patterns for å unngå throttling
• Circuit breaker patterns for varige feil
• Plattformspesifikke kvotegrenser (Azure OpenAI, Copilot Studio)
• Implementeringsmønstre med kodeeksempler

Confidence: Verified (Microsoft Learn MCP, januar 2026) | Re-verified: MCP 2026-06-19

---

Kjernekomponenter / Nøkkelegenskaper

1. Retry Pattern (Retry etter transiente feil)

Formål: Håndtere kortvarige feil (nettverkstap, midlertidig utilgjengelighet, timeouts) ved automatisk å prøve operasjonen på nytt etter en passende forsinkelse.

Nøkkelstrategier:

• Cancel: Avbryt hvis feilen ikke er transient eller sannsynligvis vil gjenta seg
• Retry immediately: For sjeldne feil (f.eks. korrupt nettverkspakke)
• Retry after delay: For vanlige connectivity/busy-feil — vent før retry (anbefalt)

Exponential backoff: Vent 2s → 4s → 8s → 16s mellom forsøk for å unngå å overbelaste en allerede busy service.

Viktighetsgrad:

• Innebygd retry i mange Microsoft-biblioteker (Entity Framework, Azure SDK)
• Logg tidlige feil som informasjon, kun siste forsøk som error
• Idempotens-krav: operasjonen må være trygg å kjøre flere ganger

Verified: Retry pattern - Azure Architecture Center

2. Rate Limiting Pattern (Kontrollert trafikk)

Formål: Redusere throttling-feil ved å kontrollere antall requests sendt til en service over tid, innenfor servicens kapasitetsgrenser.

Problem som løses: En naiv "retry on error"-tilnærming kan sende 3x mer trafikk enn nødvendig (eksempel: 10 000 records, 2 000 RU/s kapasitet = 30 000 forsøk i stedet for 10 000).

Løsning:

1. Bruk durable messaging (Azure Service Bus, Event Hubs, Queue Storage) som buffer
2. Dequeue i kontrollert tempo (f.eks. 20 requests hvert 200ms i stedet for 100/sekund) — sender et jevnere dataflyt og forhindrer bottlenecks ved bursts
3. Distributed lease management for multiple prosesser (Azure Blob lease eller Zookeeper/Redis/etcd/Consul)
4. Logisk partisjonering: Deler kapasiteten i partisjoner (f.eks. 20 partisjoner à 25 req/s for 500 req/s totalt) — prosesser konkurrerer om eksklusive blob-leases per partisjon

Fordeler:

• Redusert trafikk og færre feil
• Forutsigbar throughput
• Lavere minneforbruk (dequeue kun når kapasitet er tilgjengelig)

Verified: Rate Limiting pattern - Azure Architecture Center

Eksempel (Cosmos DB med 20 000 RU/s kapasitet, 10 000 records à 10 RU):

• Naiv retry: 30 000 requests sendt (10K + 8K + 6K + 4K + 2K) med 20 000 feil
• Med rate limiting: 10 000 requests, ingen throttling-feil, forutsigbar gjennomstrømningstid

3. Circuit Breaker Pattern (Beskyttelse mot varige feil)

Formål: Forhindre at applikasjonen spammer en service som er nede eller ikke responderer, ved å "åpne kretsen" etter N feilede forsøk.

Tilstander:

• Closed: Normal drift, requests går gjennom
• Open: Etter X feil — blokkerer alle requests
• Half-Open: Periodisk tillat én prøve-request for å sjekke om service er tilbake

Forskjell fra Retry:

• Retry forventer at feilen løser seg raskt
• Circuit Breaker forventer langvarig feil og beskytter mot waste

Kombinasjon: Bruk Retry pattern med Circuit Breaker for optimal resilience.

Verified: Circuit Breaker pattern - Azure Architecture Center

4. HTTP Response Headers for Rate Limiting

Standard headers (RateLimit-* eller X-RateLimit-*):

• RateLimit-Remaining: Antall requests igjen i nåværende window
• RateLimit-Reset: Tidspunkt når grensen resettes
• Retry-After: Antall sekunder å vente før neste request (ved 429 Too Many Requests)

Status codes:

• 429 Too Many Requests: Rate limit overskredet
• 503 Service Unavailable: Midlertidig overbelastet (retry etter Retry-After)

Best practice:

• Sjekk RateLimit-Remaining og throttle før du når 0
• Respekter Retry-After header ved 429-feil

Verified: What is rate limiting? - Microsoft Cloud Dev

---

Arkitekturmønstre

Mønster 1: Retry med Exponential Backoff (C#)

using Microsoft.Azure.WebJobs;

[FunctionName("EventHubTrigger")]
[ExponentialBackoffRetry(5, "00:00:04", "00:15:00")]
public static async Task Run([EventHubTrigger("myHub", Connection = "EventHubConnection")] EventData[] events, ILogger log)
{
    // Function logic her
    // Retries automatisk 5 ganger med 4s min, 15 min max delay
}

Forklaring:

• 5 retry-forsøk
• Initial delay: 4 sekunder
• Max delay: 15 minutter
• Eksponentiell økning mellom forsøk

Use case: Azure Functions, Event Hubs triggers, Cosmos DB triggers.

Verified: Retry policies - Azure Functions

Mønster 2: Custom Retry Logic med Transient Fault Handling (Teams Bot)

// Definer retry-strategi
var exponentialBackoffRetryStrategy = new ExponentialBackoffRetryStrategy(
    3,                              // 3 forsøk
    TimeSpan.FromSeconds(2),        // Min backoff
    TimeSpan.FromSeconds(20),       // Max backoff
    TimeSpan.FromSeconds(1)         // Jitter delta (+/- 20%)
);

// Definer retry policy
var retryPolicy = new RetryPolicy(new BotSdkTransientExceptionDetectionStrategy(), exponentialBackoffRetryStrategy);

// Utfør bot-operasjon med retry
await retryPolicy.ExecuteAsync(() => connector.Conversations.ReplyToActivityAsync((Activity)reply)).ConfigureAwait(false);

Transient Exception Detection (429 rate limit):

public class BotSdkTransientExceptionDetectionStrategy : ITransientErrorDetectionStrategy
{
    List<int> transientErrorStatusCodes = new List<int>() { 429 };

    public bool IsTransient(Exception ex)
    {
        if (ex.Message.Contains("429"))
            return true;

        HttpResponseMessageWrapper? response = null;
        if (ex is HttpOperationException httpOperationException)
            response = httpOperationException.Response;

        return response != null && transientErrorStatusCodes.Contains((int)response.StatusCode);
    }
}

Forklaring:

• Sjekker om feil er HTTP 429 (rate limit)
• Retry kun for transiente feil
• Jitter (+/- 20%) sprer load fra multiple klienter

Use case: Teams bots, Power Virtual Agents, Copilot Studio bots.

Verified: Optimize bot with rate limiting in Teams

Mønster 3: Rate Limiting med Queue + Lease-basert Kapasitetsstyring

[API] → [Queue A / Queue B] → [Job Processor] → [Rate-limited Service]
                                      ↓
                                [Blob Lease Partitions]

Workflow:

1. API enqueuer records til durable queue (Azure Service Bus/Event Hubs)
2. Job Processor forsøker å lease blob-partitions (Azure Blob Storage)
3. For hver leaset partition → X requests/sekund kapasitet
4. Processor dequeuer kun det som kan prosesseres innenfor kapasitet
5. Lease expires → processor må re-lease eller redusere throughput

Eksempel:

• Service tillater 500 req/s
• Oppretter 20 partitions × 25 req/s
• Process A leaser 4 partitions → 100 req/s
• Process B leaser 2 partitions → 50 req/s

Fordeler:

• Multiple unkoordinerte prosesser kan dele kapasitet
• Redusert minnebruk (dequeue kun ved kapasitet)
• Færre throttling-feil

Verified: Rate Limiting pattern - Azure Architecture Center

Mønster 4: Batch Job Queueing med Exponential Backoff (Azure OpenAI)

import time
from openai import BadRequestError

max_retries = 10
retries = 0
initial_delay = 5
delay = initial_delay

while True:
    try:
        batch_response = client.batches.create(
            input_file_id=file_id,
            endpoint="/chat/completions",
            completion_window="24h",
        )
        batch_id = batch_response.id
        print(f"✅ Batch created successfully after {retries} retries")
        break

    except BadRequestError as e:
        if 'token_limit_exceeded' in str(e):
            retries += 1
            if retries >= max_retries:
                raise

            print(f"⏳ Token limit exceeded. Waiting {delay}s (retry {retries}/{max_retries})")
            time.sleep(delay)
            delay *= 2  # Exponential backoff
        else:
            raise

Forklaring:

• Håndterer token_limit_exceeded for Azure OpenAI batch jobs
• Fail-fast hvis token quota nådd (nytt i 2025)
• Exponential backoff: 5s → 10s → 20s → 40s...

Use case: Store batch-operasjoner (Azure OpenAI, Azure AI Foundry).

Verified: Batch deployments - Azure OpenAI

---

Beslutningsveiledning

Når bruke hvilken pattern?

Pattern	Use Case	Eksempel
Retry (immediate)	Sjeldne, transiente feil	Korrupt nettverkspakke
Retry (exponential backoff)	Vanlige transiente feil (connectivity, busy)	Azure OpenAI 429, Cosmos DB throttling
Rate Limiting	Forutsigbar throttling-grense	Azure OpenAI TPM/RPM quotas, Copilot Studio generative AI limits
Circuit Breaker	Langvarige feil (service nede)	Avhengighet på ekstern API som er nede i minutter
Kombiner Retry + Circuit Breaker	Kritiske applikasjoner	E-handel checkout, helsesektorsystemer

Sjekkliste før implementering

1. Er operasjonen idempotent?

• Ja → Trygt å retry
• Nei → Implementer idempotency token eller accept duplicate risk

2. Hva er tjenestens throttling-grense?

• Sjekk dokumentasjon for TPM (tokens per minute), RPM (requests per minute)
• Eksempler: Azure OpenAI Standard tier = 150K TPM (gpt-4o), Copilot Studio = per Dataverse-environment RPM/RPH (generative AI: 50 RPM / 1 000 RPH med 1-10 message packs, skalerer til 100 RPM / 2 000 RPH; 8 000 RPM for meldinger til en agent)

3. Har applikasjonen multiple workstreams?

• Ja → Bruk shared rate limiter eller separate capacity pools
• Nei → Simpel retry policy holder

4. Er feilen transient eller varig?

• Transient (429, 503) → Retry
• Varig (500 Internal Server Error gjentatte ganger) → Circuit Breaker

---

Integrasjon med Microsoft-stakken

Azure OpenAI Service

Quota limits (per deployment):

• gpt-4o (Global Standard, Default tier): 450K TPM, 2.7K RPM
• gpt-4o-mini (Default tier): 2M TPM, 12K RPM
• o1-preview (Default tier): 300K TPM, 50 RPM

429 Error Scenarios:

1. Rate Limit Exceeded: TPM/RPM quota overskredet → retry etter Retry-After
2. High System Demand: System under load → retry etter suggested time

Best practice:

• Sett max_tokens til minimum nødvendig (reduserer TPM-forbruk)
• Bruk quota management for å øke TPM på high-traffic deployments
• Implementer retry logic med exponential backoff
• Unngå skarpe workload-endringer (gradvis økning)

Verified: Quotas and limits - Azure OpenAI, Manage quota - Azure OpenAI

Copilot Studio

Throttling error codes:

• GenAISearchandSummarizeRateLimitReached: Søk/summarize quota nådd (per hour/minute per Dataverse environment)
• GenAIToolPlannerRateLimitReached: Generative orchestration quota nådd
• OpenAIRateLimitReached: Max generative answers reached

Løsninger:

1. Licensing: Kjøp flere capacity packs eller bytt til pay-as-you-go
2. Request rate limit increase: Kontakt Microsoft Support (kun for pay-as-you-go environments)
3. Optimize bot: Bruk express mode, cache retrieved info, bruk direct connector calls i stedet for Power Automate flows

Flow timeout: Max 100 sekunder før timeout → optimaliser flow logic, flytt non-critical logic etter 'Return value(s)' step.

Verified: Resolve throttling errors in agents, Error codes - Copilot Studio

Power Automate (Cloud Flows)

Throttling limits:

• API request limits per 24 timer (avhenger av lisens)
• Service protection API limits (Dataverse): 429 med Retry-After header

Best practice:

• Følg Retry-After interval (lengre delay hvis du sender demanding requests)
• Start med lavt request-volum, øk gradvis til du treffer limit
• Cache data i variabler i stedet for multiple API calls
• Bruk direct connector calls (raskere enn flows fra Copilot Studio)

Verified: Retry operations - Dynamics 365

Microsoft Teams Bots

Rate limits:

• Per bot per thread limit
• Per bot global limit

Best practice:

• Detect transient exceptions (429 status code)
• Implement exponential backoff med jitter
• Unngå overdreven polling

Verified: Rate limiting in Teams

---

Offentlig sektor (Norge)

Compliance og logging

GDPR/Personvern:

• Logg kun feilinformasjon (status codes, timestamps), ikke persondata
• Tidlige retry-feil = INFO, kun siste forsøk = ERROR (unngå flooding av PII i logs)

Sporbarhet:

• Implementer correlation IDs for å spore requests gjennom retry-forsøk
• Aggreger feilstatistikk for å identifisere underliggende problemer (f.eks. persistent throttling = kapasitetsøkning nødvendig)

Kostnadskontroll

Rate limiting reduserer kostnader:

• Færre unødvendige API-kall (Azure OpenAI, Copilot Studio)
• Lavere TPM-forbruk = mindre behov for capacity packs

Example:

• Naiv retry (10K records, 30K requests sent) vs. rate limiting (10K records, 10K requests sent) = 66% redusert API-forbruk

Tilgjengelighet og SLA

SLA-krav:

• Standard tier (Azure OpenAI) har ingen latency SLA og variabel latency ved high load
• For kritiske tjenester: vurder Provisioned Throughput (Premium tier) for forutsigbar ytelse
• Circuit Breaker beskytter mot cascade failures i multi-tjeneste-arkitekturer

---

Kostnad og lisensiering

Azure OpenAI

Quota management (gratis):

• Juster TPM/RPM per deployment (ingen ekstra kostnad)

Provisioned Throughput (PTU):

• Fast monthly cost per PTU
• Bedre forutsigbarhet og lavere latency
• Egnet for prod-workloads med strenge SLA-krav

Copilot Studio

Capacity packs:

• Kjøp ekstra capacity for å øke quotas (generative AI messages)

Pay-as-you-go:

• Betale per bruk (Copilot credits)
• Overage enforcement: "Agent unavailable" når quota nådd (tilbake online innen 5 min etter capacity økning)

Power Automate

API request limits:

• Inkludert i lisens (varierer per plan: F1, P1, P2, etc.)
• Overskridelse = throttling (429 errors)

Verified: Copilot Studio quotas, Power Platform API limits

---

For arkitekten (Cosmo)

Når anbefale hvilken løsning?

Prototyping/POC:

• Start med innebygd retry (Azure SDK, Entity Framework)
• Acceptable å treffe 429-feil under testing

Production-ready:

• Implementer alle 3: Retry + Rate Limiting + Circuit Breaker
• Bruk durable messaging (Event Hubs, Service Bus) som buffer
• Monitorér RateLimit-Remaining headers proaktivt

Kritiske tjenester (helse, finans, offentlig sektor):

• Azure OpenAI Provisioned Throughput (PTU) for SLA
• Distributed rate limiting for multi-instance apps
• Correlation IDs for full observability
• Graceful degradation ved circuit breaker open (vis cached/fallback data)

Red Flags (når å eskalere til PTU/Premium)

1. Hyppig 429-feil til tross for retry logic → Kapasitet for lav, vurder PTU
2. Variabel latency påvirker brukeropplevelse → Standard tier har ingen latency SLA
3. Multiple apps konkurrerer om samme deployment → Separer deployments eller bruk distributed lease
4. Batch jobs tar timer lenger enn forventet → Rate limiting med queue kan halvere tid

Implementeringsrekkefølge (anbefalt)

Fase 1: Basic Resilience

1. Implementer retry med exponential backoff (Azure SDK default eller custom policy)
2. Logg 429-feil og analyser frekvens

Fase 2: Proactive Rate Limiting 3. Bruk RateLimit-Remaining header for å throttle før 429 4. Implementer queue-basert rate limiting hvis batch-operasjoner

Fase 3: Advanced Resilience 5. Legg til Circuit Breaker for kritiske avhengigheter 6. Implementer distributed lease for multi-instance apps 7. Monitorér og tune retry/backoff-parametere basert på prod-data

Spørsmål å stille kunden

1. Hva er forventet request-volum? (beregn TPM/RPM-behov)
2. Hva er SLA-krav for latency? (Standard vs. PTU)
3. Har dere multiple applikasjoner som deler samme Azure OpenAI deployment? (distributed rate limiting)
4. Er operasjonene batch-orienterte eller real-time? (queue vs. direct retry)
5. Hva er akseptabel feilrate? (0.1% = streng, 1% = moderat)

Testing og Validering

Load testing:

• Simuler 2x forventet load for å verifisere retry logic
• Sjekk at app håndterer 429-feil uten crash
• Verifiser at circuit breaker åpner/lukker korrekt

Chaos engineering:

• Simuler service downtime (503 errors) for å teste circuit breaker
• Sjekk at app degrader gracefully (fallback, cached data)

Metrics å monitorere:

• 429 error rate (mål: < 1% av requests)
• Retry success rate (mål: > 95%)
• P95/P99 latency (inkludert retry delays)
• Circuit breaker state transitions (Open/Closed/Half-Open)

---

Kilder og verifisering

Alle kilder verifisert via Microsoft Learn MCP (januar 2026):

1. Retry pattern - Azure Architecture Center
2. Rate Limiting pattern - Azure Architecture Center
3. Circuit Breaker pattern - Cloud-Native .NET
4. What is rate limiting? - Microsoft Cloud Dev
5. How to handle API throttling - Microsoft Cloud Dev
6. Azure OpenAI quotas and limits
7. Manage Azure OpenAI quota
8. Batch deployments - Azure OpenAI
9. Resolve throttling errors in Copilot Studio agents
10. Error codes - Copilot Studio
11. Optimize bot with rate limiting in Teams
12. Retry operations - Dynamics 365
13. Retry policies - Azure Functions

MCP Calls: 6 (3 searches, 2 fetches, 1 code sample search) Unique URLs: 13 sources