请说明 MapReduce 框架在作业执行过程中是如何实现容错处理的？如果某个任务运行失败，系统通常采用哪些机制来保障作业能够顺利完成？

回答思路

1. 【回答框架 1】MapReduce 的容错主要依赖于任务重试和重新执行。作业跟踪器（JobTracker）监控所有任务执行情况，当任务执行失败时，会将其重新调度到其他节点执行。
2. 【回答框架 2】对于任务失败，MapReduce 支持多种失败类型：任务运行失败（如代码异常），任务跟踪器会重试指定次数；任务跟踪器本身失败，则其运行的所有任务会重新调度；作业跟踪器失败则整个作业失败，需要外部机制恢复。
3. 【回答框架 3】数据本地性优化：当任务失败后重新调度时，系统会尽量将任务调度到数据所在的节点，以减少网络传输，不过失败重试可能无法保持本地性。
4. 【回答框架 4】推测执行机制：对于运行缓慢的任务，系统会启动备份任务，加速完成，避免单个慢任务拖慢整个作业。
5. 【回答框架 5】对于输出数据，MapReduce 使用持久化存储来保证已完成的 map 任务输出可被 reduce 任务读取；如果 map 任务失败，其输出会被重新计算，确保数据的完整性。
6. 【关键点 1】任务失败通过重试机制恢复，包括任务级重试和推测执行。
7. 【关键点 2】任务跟踪器失败导致其任务重新执行，作业跟踪器失败需外部恢复。
8. 【关键点 3】数据本地性优化和持久化输出保障恢复时数据一致性。
9. 【易错点 1】不要认为任务永不失败或无需手动处理，仍需要调优重试次数。
10. 【易错点 2】不要把推测执行当作万能，过度启用可能浪费资源。
11. 【易错点 3】作业跟踪器单点故障是容错短板，需依赖外部高可用方案。