脱敏任务失败只打日志 没有重试积压二十万条

for i in range(3):
    try:
        run_batch(); break
    except Exception:
        time.sleep(3 ** i)

脱敏任务跑批失败，日志里只有一行 error，任务表状态还是 running，积压了二十万条没处理。这类现象通常不是突然出现的，往前翻半天日志能看到苗头。

追下去是这么回事：任务框架没有失败重试，异常被 catch 住只打了日志，状态字段没有回写。第二天调度看到 running 就跳过，越积越多。

「脱敏任务重试」排查到最后往往是很小的一处差异，前面那些复杂猜测可以先放一放。权限不要一口气开到最大，先加到够用再往上试，范围小才好收。

把复现步骤压到三条以内，交给同事也能跑出来，才算真的定位清楚。改动写完就同步给同事，下一个人踩同一个坑，成本还是你的。

验证用真实数据走一遍，测试数据太干净，边界情况根本碰不到。

处理上按这个顺序：失败写回 failed 状态并带错误摘要；按三次指数退避重试；超过次数进死信队列并告警；每天核对积压量 超阈值人工介入。

确认没问题再收工，失败任务能自动重跑 积压量回到零并保持两天。