As tarefas do Cloud Composer 2 Airflow estão falhando devido ao alto uso total de memória do worker e remoções de pods de worker. Como você pode resolver isso? (Escolha duas.)

As falhas devido a alto uso de memória e remoções de pods de worker indicam que os workers existentes estão sobrecarregados. Aumentar o número máximo de workers permite que o Airflow distribua as tarefas por mais pods, reduzindo a carga individual. Reduzir a concorrência do worker limita o número de tarefas que cada worker pode executar simultaneamente, evitando que atinjam o limite de memória. Ambas as ações aliviam a pressão de memória nos workers. Aumentar o tamanho do ambiente do Cloud Composer 2 (de médio para grande) é uma solução mais abrangente que também aumentaria os recursos, mas as opções fornecidas focam em ajustes mais específicos. Aumentar a memória disponível para os workers do Airflow é uma boa opção, mas a combinação de mais workers e menor concorrência é mais eficaz para lidar com a sobrecarga e evitar remoções. Aumentar o intervalo de análise do arquivo DAG não afeta o uso de memória dos workers. Aumentar a memória do triggerer não resolve problemas de worker.