系统如何处理任务失败（Job failure）并实现可靠重试？为什么要使用指数退避（exponential backoff）而不是立即重试？

How does the system handle job failures and implement reliable retries? Why use exponential backoff instead of immediate retries?

题目类型: 技术面试题

这是一道技术面试题，常见于澳洲IT公司面试中。

难度: medium

分类: reliability, system-design

标签: retries, retry_count, max_retries, exponential-backoff, transient-failure

参考答案摘要

TL;DR 任务失败时，worker 增加 JobTable 的 retry_count 。若未超过 max_retries 则重试；超过则标记为 failed 并停止。为避免瞬时故障（如网络问题）导致频繁重复失败，应采用 指数退避 延迟重试（例如 1 分钟、5 分钟、10 分钟）。 失败处理策略 失败时递增 retry_count 。 retry_count < max_retries ：重新执...

本题提供 STAR 原则详细解答和技术解析，登录匠人学院学习中心即可查看完整答案。