当任务出错，出错恢复策略如何解决问题？

目前 Flink 默认的 FailoverStrategy 是 RestartPipelinedRegionFailoverStrategy。采用了这个策略后，如果一个 Task 失败了就会重启它所在的 region。这其实跟 Pipelined 数据交换有关系。在 Pipelined 数据交换的节点之间，如果任意一个节点失败了，其相关联的其它节点也会跟着失败。这是为了防止出现数据的不一致。因此为了避免单个 Task 导致多次 Failover，一般的操作是在收到第一个Task failed 时，就把其他的一起 cancel 掉，再一起重启。

RestartPipelinedRegion 策略除了重启失败任务所在的 Region 外，还会重启它的下游Region 。 原因是任务的产出很多时候是非确定性的，比如说一个record，分发到下游的第一个并发，重跑一次；分发到下游的第二个并发时，一旦这两个下游在不同 region 中，就可能会导致 record 丢失，甚至产生不一样的数据。为了避免这种情况，采用PipelinedRegionFailoverStrategy 会重启失败任务所在的Region 以及它的所有的下游 Region。

还有一个 RestartAllFailoverStrategy 策略，它会在任意 Task fail 的时候，重启作业中的所有任务。一般情况，这个策略并不被经常用到，但是在一些特殊情况下，比如当任务失败，用户不希望局部运行而是希望所有任务都结束并整体进行恢复，可以用这个策略。

资料来源：《Apache Flink 必知必会》，下载链接：https://developer.aliyun.com/topic/download?id=1189