在 Azkaban 中，当一个任务执行失败后，系统是如何实现自动化恢复的？请说明其自动重试的机制和配置方式。

回答思路

1. 【回答框架 1】Azkaban 通过 Flow 中的任务节点状态来管理失败重试。默认情况下，任务失败后 Flow 会中止，但可以通过配置重试次数和重试间隔实现自动化恢复。
2. 【回答框架 2】在 Job 配置中设置 retries 与 retry.backoff 参数。retries 指定重试次数，retry.backoff 指定每次重试的等待时间（毫秒）。任务失败时，Azkaban 会按此配置自动重新执行任务，直到达到重试上限或成功。
3. 【回答框架 3】若重试后仍失败，可配置 Failure Policy 为 Continue 或 Finish，使 Flow 跳过失败任务继续执行后续任务，或选择整体失败。此外，可设置告警通知。
4. 【回答框架 4】恢复机制还涉及 Flow 级的重试，通过 Flow 参数如 retry 支持整体重跑。但需注意，重试可能重复执行，需保证任务幂等性，例如使用唯一标识或幂等操作。
5. 【回答框架 5】自动化恢复与异常处理相关，还需考虑依赖关系：若上游失败，下游可配置为不执行或等待重试。
6. 【关键点 1】Azkaban 支持按 Job 级别配置 retries 和 retry.backoff 实现自动重试。
7. 【关键点 2】任务重试需保证幂等，避免重复执行产生错误数据。
8. 【关键点 3】可配置失败策略（如 Continue）实现部分成功流程的继续执行。
9. 【易错点 1】重试次数过多可能导致长时间延迟，需合理设置。
10. 【易错点 2】忽略任务幂等性会导致重试后数据重复或状态不一致。
11. 【易错点 3】Flow 级别整体重试可能影响其他任务执行，需谨慎使用。