在 DolphinScheduler 中，当任务调度遇到网络故障时，系统是如何应对的？请描述其故障恢复的具体机制有哪些？

回答思路

1. 【回答框架 1】DolphinScheduler 通过 Master 和 Worker 的分布式架构来减轻单点故障影响，Master 负责任务分发，Worker 负责执行，当网络故障导致 Master 与 Worker 通信中断时，任务状态无法及时上报。
2. 【回答框架 2】系统采用任务重试机制，对于失败的任务，根据配置的重试次数和重试间隔自动重新提交，这能应对暂时性的网络抖动。
3. 【回答框架 3】对于 Worker 节点，DolphinScheduler 支持心跳检测机制，Master 持续监控 Worker 的心跳，如果心跳超时，则判定 Worker 不可用，并将该 Worker 上的任务转移到其他健康 Worker 执行，实现故障转移。
4. 【回答框架 4】对于 Master 节点，DolphinScheduler 支持高可用部署，通过注册中心（如 Zookeeper）进行选主，当主 Master 宕机时，备 Master 接管，保证调度服务的持续可用。
5. 【回答框架 5】网络故障可能导致任务状态不一致，DolphinScheduler 引入状态检查与补偿机制，定期比对任务实例状态，对孤儿任务进行恢复或重新调度。
6. 【关键点 1】分布式架构分散故障风险，Master/Worker 独立部署。
7. 【关键点 2】任务重试机制应对瞬时网络异常。
8. 【关键点 3】心跳检测与 Worker 故障转移保证执行节点可用。
9. 【关键点 4】Master 高可用借助注册中心实现主备切换。
10. 【关键点 5】状态补偿机制处理网络故障导致的任务状态不一致。
11. 【易错点 1】不能简单认为网络故障只依赖重试，还需考虑心跳和状态补偿。
12. 【易错点 2】故障转移可能带来重复执行，需结合幂等设计。
13. 【易错点 3】网络分区情况下要避免脑裂，需依赖注册中心的一致性保证。