Timeouts i AI-genererade appar
Din app fungerar under testning men förfrågningar börjar hänga i produktion. Lär dig varför AI-verktyg ignorerar exekveringsgränser och hur du fixar det.
Timeouts dödar appar tyst
Timeouts är den tysta mördaren i AI-genererade appar. Allt fungerar under testning med små datamängder och en enda användare. I produktion börjar förfrågningar få timeout: API-anrop hänger, databasförfrågan tar för lång tid, serverlösa funktioner når sina exekveringsgränser. Användare ser laddningsindikatorer som aldrig slutar, eller värre — tomma felsidor.
Problemet är lurigt eftersom det inte visar sig direkt. De första dagarna efter deploy går allt smidigt. Sedan kommer de riktiga användarna, lasten ökar och kaskadfelen börjar — en långsam förfrågan blockerar nästa, tills hela systemet stannar.
AI genererar kod som fungerar under ideala förhållanden. Produktion är inte ideala förhållanden — det är långsamma nätverk, överbelastade databaser, serverlösa kallstarter och tredjeparts-API:er som svarar när de vill. Läs också om andra anledningar till att AI-appar misslyckas i produktion.
Varför AI-genererade appar får timeouts fel
Serverlösa gränser: Supabase Edge Functions har en 60-sekunders timeout. Vercel serverlösa funktioner: 10 sekunder på gratisplan, 60 på pro. AWS Lambda: max 15 minuter. AI-verktyg berättar aldrig om dessa gränser — de genererar kod som antar obegränsad exekveringstid.
Kallstarter: Serverlösa funktioner tar 1-5 sekunder att starta efter inaktivitet. AI tar inte hänsyn till detta — första förfrågan efter en vilperiod får timeout eller känns extremt långsam. Detta är ett klassiskt problem med långsam backend i AI-appar.
Inga asynkrona mönster: AI genererar synkron kod som blockerar på varje operation. Skicka ett mejl, ändra storlek på en bild, fråga databasen — allt i samma förfrågan. En långsam operation blockerar allt. Ovanpå det finns ingen connection pooling — varje förfrågan öppnar en ny databasanslutning. Under last torkar du ut anslutningspoolen och allt börjar få timeout. Avsaknaden av retry-logik är kronan på verket: när ett tredjeparts-API är långsamt väntar AI-koden bara för evigt eller kraschar. Dessa problem eskalerar snabbt när din app börjar skala.
Så fixar du timeouts i din AI-app
- Sätt explicita timeouts på alla utgående HTTP-förfrågningar — 5-10 sekunder för API:er, max 30 sekunder för vilken operation som helst. Låt aldrig en förfrågan vänta i oändlighet.
- Flytta tungt arbete till bakgrundsjobb — e-postutskick, bildbehandling, rapportgenerering ska inte blockera HTTP-svaret. Använd köer (SQS, Bull, Inngest) för långvariga operationer.
- Lägg till connection pooling — använd PgBouncer för PostgreSQL eller inbyggd pooling i ditt ORM. Utan det öppnar varje förfrågan en ny anslutning, och under last tar poolen slut.
- Hantera kallstarter — använd provisioned concurrency (Lambda), keep-alive-pingar, eller flytta till containrar (ECS/Cloud Run) om kallstarter är oacceptabla.
- Implementera retry med exponentiell backoff för tredjeparts-API-anrop. Första retry efter 1s, andra efter 2s, tredje efter 4s. Enkelt och effektivt.
- Lägg till hälsokontroller och timeout-övervakning — vet när timeouts inträffar innan dina användare berättar det för dig. Strukturerade loggar + larm på 504/408-fel.
Läs också
- Långsam backend i AI-genererade appar — timeouts är ofta ett symptom på djupare prestandaproblem i backend.
- Skalningsproblem i AI-genererade appar — timeouts förvärras under belastning. Lär dig hur du förbereder din app för riktig trafik.
Timeouts dödar din app?
Vänta inte tills användare börjar lämna. Jag diagnostiserar grundorsaken till timeouts, implementerar connection pooling, bakgrundsjobb och övervakning — så att din app går stabilt under last.
Boka ett gratis samtal →