实时工作流的异常处理分为算子级、事件级和工作流级三个层级，本文为您详细介绍异常处理过程。
算子级异常处理
策略 | 说明 | 适用场景 |
自动重试 | 算子执行失败后自动重试，最大重试次数可配置（默认为3次），重试间隔支持固定间隔或指数退避。 | 临时性错误（网络超时、容器短暂不可用）。 |
超时控制 | 单个算子执行超过配置的超时时间（默认为300秒）后，强制终止并标记为失败。 | 算子逻辑阻塞、大文件处理超时等。 |
事件级异常处理
数据集写入失败处理机制：
若算子处理成功但写入目标数据集失败（例如连接异常、Schema不匹配、主键冲突等），将遵循事件级异常处理策略，即自动将异常数据归档至脏数据文件并记录异常日志，此时工作流继续运行，同时提交当前位点并继续消费后续事件。写入失败的具体错误信息可前往研发 > 任务运维 > 实例运维 > 实时实例中，在对应实时实例的运行日志中查看脏数据文件。
事件级异常产出物：
脏数据文件：写入CSV（产生时间、报错内容、报错原因），详情请参见。
告警触发：若失败频率超过配置阈值，触发失败频率超过配置告警。
工作流级异常处理
异常场景 | 系统行为 | 恢复方式 |
Listener崩溃 | Session监控服务检测到Listener心跳丢失，自动重启Listener。 | 从最近Checkpoint恢复消费位点，uncommit set中的事件自动重放。 |
Credit余额不足 | 工作流任务不会终止，但会终止对Kafka的消费。 | 充值后，自动恢复（从最近Checkpoint恢复消费位点）。 |
算子容器OOM/崩溃 | Kubernetes自动重启容器（RestartPolicy=Always）。 | 重启后Router重新纳入该容器；处理中的事件由编排层超时后重试到其他容器。 |
对象存储不可用 | Context溢出写入失败，算子执行异常。 | 将持续触发算子级重试，若最终无法处理，则视为脏数据。 |
Kafka连接断开 | Listener自动重连（Kafka consumer内置重连机制）。 | 重连成功后从当前位点继续消费，若超时未恢复，则Listener标记为异常并重启。 |
Checkpoint与恢复
项 | 说明 |
Checkpoint内容 | 仅保留 |
Checkpoint频率 | 内置策略不可配置，每60秒执行一次。 |
Checkpoint存储 | 持久化到数据库。 |
恢复模式 | 断点续跑：从最近一次成功的Checkpoint恢复 |
启动模式 |
|
幂等保障 | 由于Checkpoint恢复可能导致事件重复消费，算子和数据集写入需具备幂等性（如主键upsert）；非幂等场景需由业务侧保障去重。 |