请描述 Azkaban 中任务失败后的恢复机制具体实现方式，并说明需要如何进行配置以实现自动恢复？

回答思路

1. 【回答框架 1】Azkaban 的失败恢复机制基于执行节点状态跟踪与重试逻辑。当任务失败时，调度器根据预设的重试次数和间隔重新触发任务，同时通过 workflow 的依赖关系控制后续任务是否执行。
2. 【回答框架 2】自动恢复配置主要在项目或工作流属性中设置 retries 和 retry.backoff 参数，retries 定义最大重试次数，retry.backoff 指定指数退避的初始间隔，失败后按倍数递增等待。
3. 【回答框架 3】实现层面，Azkaban 的 Executor 会记录每次执行的退出码与日志，失败后进入 retry 队列，重试次数耗尽则标记为 FAILED，并可能触发失败处理节点。
4. 【回答框架 4】配置时需在 .job 文件中明确定义 retries 和 retry.backoff，或通过项目级 properties 文件统一设置，同时可配合失败通知插件以增强可观测性。
5. 【回答框架 5】对于工作流级别的恢复，Azkaban 支持从失败节点继续执行（resume）或重跑整个流程，需结合运行模式和实际业务需求选择策略。
6. 【关键点 1】retries 参数控制重试次数，retry.backoff 控制重试间隔的初始值及增长方式。
7. 【关键点 2】失败后任务状态变为 FAILED，重试耗尽前会保留失败记录并重新排队执行。
8. 【关键点 3】配置需要同时覆盖任务重试与工作流恢复两级机制，避免仅单点设置导致整体失效。
9. 【易错点 1】重试次数设置过高可能导致任务长时间挂起，影响整体调度周期。
10. 【易错点 2】未配置指数退避时，失败任务可能高频重试造成资源冲击。
11. 【易错点 3】类似与重试相关的幂等性需在应用层保证，Azkaban 本身不提供业务级去重。