请说明 Apache Flink 在任务执行失败时自动恢复的具体过程，以及该自动恢复机制的核心原理是什么？

回答思路

1. 【回答框架 1】Flink 自动恢复依赖两个核心机制：checkpoint 与重启策略。checkpoint 是作业状态在分布式快照中的定期持久化，为恢复提供一致性基准；重启策略决定失败后如何重启任务以及重启的间隔与次数。
2. 【回答框架 2】恢复流程：任务失败后，JobManager 感知到故障（如 TaskManager 心跳超时或任务异常），根据配置的重启策略决定是否重启及重启方式。重启时，JobManager 重新调度任务，并从最近一次成功的 checkpoint 恢复算子状态，同时回放 checkpoint 之后至失败前的部分数据，保证 Exactly-Once 或 At-Least-Once 语义。
3. 【回答框架 3】具体配置：重启策略有 fixed-delay、failure-rate 和 none 等，也可通过代码或配置文件指定。checkpoint 相关参数包括间隔、超时、最小间隔、并发数等。这些配置影响恢复的及时性与开销。
4. 【回答框架 4】此外，Flink 还通过屏障（barrier）机制在流中实现分布式快照，确保状态一致。对齐（align）与不对齐（unaligned）checkpoint 影响恢复时间和吞吐。
5. 【关键点 1】自动恢复基于 checkpoint 和重启策略。
6. 【关键点 2】恢复过程：检测失败、按策略重启、从最近 checkpoint 恢复状态并回放部分数据。
7. 【关键点 3】配置 restart-strategy 和 checkpoint 参数可控制恢复行为。
8. 【关键点 4】屏障机制实现分布式快照，保证状态一致性。
9. 【易错点 1】不要混淆 checkpoint 与 savepoint，savepoint 是手动触发的，用于运维操作。
10. 【易错点 2】重启策略可能不自动恢复，如 none 策略会直接失败。
11. 【易错点 3】恢复后的语义（Exactly-Once or At-Least-Once）与 source 和 sink 的幂等性相关。