Docker Swarm抢占式实例环境中，服务器/节点故障后如何重启Jenkins中断任务？

嘿，刚好有过类似Docker Swarm+Jenkins在抢占式实例上的运维经验，给你几个针对性的方案来处理中断任务的重启问题：

• Build Retry插件：先装上这个插件，在任务配置里开启「Retry build after failure」，可以自定义重试次数、延迟时间，还能设置只针对节点断开、连接超时这类和实例抢占终止相关的错误触发重试，避免无意义的重复执行。
• 重启中断构建：对于已经中断的任务，直接在Jenkins的构建历史里找到对应记录，点击「Restart」就能重新启动。如果是Pipeline任务，搭配restartFromStep插件，还能从失败的那一步开始续跑，不用从头执行整个流水线，省不少时间。

• 配置从节点健康检查：给Swarm里的Jenkins从节点容器加健康检查，比如用curl http://localhost:8080/jnlpJars/jenkins-cli.jar验证JNLP连接状态。当实例被抢占终止时，Swarm会快速识别到容器不健康，自动在新节点重建从节点；Jenkins会标记旧节点为离线，你可以在「Cloud」设置的「Retention Strategy」里配置，把离线节点上的任务自动调度到新的在线节点。
• Swarm服务重启策略：把Jenkins主从都配置成Swarm服务，设置--restart-condition on-failure和合理的--restart-max-attempts，确保容器意外终止后能快速重启。主节点因为你已经做了单实例配置，Swarm会自动在其他可用节点拉起主节点，恢复后会自动加载所有构建历史和任务配置。

如果用的是Jenkins Pipeline，直接在代码里加容错逻辑更灵活：

• retry/timeout包裹关键步骤：把容易因为节点故障失败的步骤用retry(3)包裹，失败时自动重试；或者用timeout(time: 30, unit: 'MINUTES')防止任务无限挂起。
• node块的异常捕获：在节点执行块里加try-catch，捕获节点离线异常并触发重启，示例代码：

pipeline {
    agent any
    stages {
        stage('Build') {
            steps {
                retry(2) {
                    script {
                        try {
                            // 你的构建命令，比如Maven打包
                            sh 'mvn clean install'
                        } catch (Exception e) {
                            echo "构建失败，准备重试：${e.getMessage()}"
                            throw e // 抛出异常触发重试逻辑
                        }
                    }
                }
            }
        }
    }
    post {
        aborted {
            // 任务被中断时，自动触发同任务重启
            build job: env.JOB_NAME, parameters: [string(name: 'BUILD_TRIGGER', value: 'ABORT_RESTART')]
        }
    }
}

• 持久化工作区：把构建工作区挂载到共享存储（比如Google Cloud Storage或NFS），这样节点被替换后，新节点能挂载同一个工作区，任务重启后可以接着之前的进度执行，不用重新下载依赖或从头跑流程。

• NodeLabel Parameter插件：结合这个插件，你可以在任务重启时指定新的可用节点标签，确保任务被调度到正常运行的从节点上。
• Build Flow插件：如果是多任务依赖的复杂场景，这个插件能帮你管理任务依赖关系，某个任务因节点故障中断后，自动重启关联的依赖任务，保证整个流程的完整性。

内容的提问来源于stack exchange，提问作者Diego Lima