Tienes varias herramientas conectadas y una mañana una automatización se para. Igual no se ha roto nada. A veces el flujo ha pedido demasiadas cosas de golpe a otro servicio, y ese servicio ha cortado. n8n, la plataforma de automatización, ha publicado cómo afrontar este problema, y aquí va lo que me parece útil si no programas.

En este tema verás dos términos en inglés que no significan lo mismo. El rate limiting es un tope: un número máximo de peticiones en un periodo de tiempo. El throttling funciona más como un freno, porque lo que sobra puede retrasarse o esperar en una cola hasta que haya hueco.

Pongamos un servicio que admite 100 peticiones por minuto. Tu automatización manda la 101 cuando ese minuto aún no ha terminado. Con rate limiting, el servicio puede rechazarla con un error 429 (Too Many Requests), y a tu flujo le toca decidir cuándo probar de nuevo. Con throttling, puede dejarla en cola y procesarla más tarde. No verás un error, pero los pasos que dependen de esa respuesta tendrán que esperar.

El límite no lo puedes cambiar, porque lo fija el proveedor. Lo que sí está en tu mano es el ritmo de envío y lo que hace el flujo cuando choca con ese límite.

Cada proveedor cuenta a su manera

Algunos usan una ventana fija: 100 peticiones cada minuto, por ejemplo, y el contador vuelve a cero cuando empieza el siguiente. Otros usan una ventana deslizante, que mira lo enviado en los últimos 60 segundos. Ahí, esperar al cambio de minuto puede no devolverte todo el margen.

Te puedes encontrar dos sistemas más. El token bucket se parece a un saldo que se recarga poco a poco: si has acumulado suficiente, puedes mandar varias peticiones a la vez. El leaky bucket va al revés, ya que las mete en cola y las suelta a un ritmo controlado, así que una ráfaga acaba convertida en un goteo.

De ahí que un envío constante que una herramienta acepta sin problema pueda chocar con el límite de otra. Conviene mirar la documentación de cada proveedor antes de decidir cuántas peticiones mandas de golpe.

Qué hacer después de un error 429

Volver a intentarlo al momento suele acabar en otro 429. A veces la respuesta incluye un dato llamado Retry-After, que indica cuánto esperar antes de repetir. Si viene, hazle caso.

¿Y si no viene? Entonces el flujo necesita su propio criterio. Lo habitual es alargar la espera después de cada fallo: un segundo, luego dos, cuatro, ocho. Es lo que se conoce como reintentos exponenciales.

No hace falta programarlo desde cero. Con n8n puedes frenar las peticiones antes de llegar al límite, agrupándolas en lotes o metiendo pausas con nodos de espera. También puedes reintentar después de un fallo y enviar a otro sitio los errores que persisten.

Dos ejemplos imaginarios

Piensa en una clínica que manda muchos recordatorios de citas. Unas pausas entre envíos pueden ayudarle a no pasarse del límite, y si los manda por ese canal, quizá le interese leer cómo plantear la automatización de WhatsApp para empresas.

Si lo que tienes es una inmobiliaria que sincroniza muchos pisos con un portal externo, yo probaría a repartirlos en lotes.

Antes de activar los reintentos

Yo miraría primero si repetir la petición es seguro. Si el paso cobra a un cliente o emite una factura, un reintento podría hacerlo dos veces. Comprueba si esa API admite idempotencia, que significa que repetir la misma petición no duplica el resultado.

Otro riesgo aparece cuando fallan varios flujos a la vez, porque también pueden reintentar a la vez y provocar otro pico de tráfico. Para evitarlo se usa el jitter, una pequeña variación aleatoria en cada espera que reparte los intentos.

Pon también una espera máxima y un número máximo de reintentos, para que un problema temporal no deje el flujo insistiendo sin fin. Lo que siga fallando después, desvíalo a otro sitio.

Si quieres dejarlo bien montado

Para preparar un flujo hay que saber qué límites tiene cada herramienta y qué debe ocurrir cuando algo falla. Si quieres conectar tus sistemas con esto resuelto, aquí tienes nuestro servicio de Automatización con IA.