重启策略的设计取舍

作业失败后如何重启是一个可配置的策略，而不是写死的行为：固定延时重启策略在两次重试之间固定等待一段时间，最多尝试有限次数，超过就彻底失败，适合偶发性故障；故障率重启策略统计单位时间内的故障次数，只要故障频率没有超过阈值就一直重试，能区分”偶尔抖一下”和”持续崩溃”两种情况，是更精细的容错策略；不重启策略直接放弃、让作业失败，适合希望故障立刻被人工介入而不是被自动掩盖的场景；兜底策略则是不显式配置、直接沿用集群级别的默认设置。这四种本质上是在”自动恢复的努力程度”和”故障及时暴露给人”之间做选择，选错了要么小故障被无限重试掩盖了真实问题，要么正常抖动被当成致命错误频繁打断服务。