Cloud Composer 2 Airflow 任务失败，原因是 worker 内存使用总量过高和 worker pod 被驱逐。您如何解决此问题？（选择两项。）

当 worker 内存使用总量过高导致 pod 被驱逐时，说明单个 worker 承担了过多的任务或任务本身消耗内存过大。增加 worker 的最大数量并降低 worker 并发度（即每个 worker 同时运行的任务数）可以有效分散负载，减少单个 worker 的内存压力，从而避免 OOM (Out Of Memory) 驱逐。 其他选项： 增加 DAG 文件解析间隔与 worker 内存使用无关。 将 Cloud Composer 2 环境大小从 medium 增加到 large 可能会增加 worker 资源，但如果根本问题是并发度过高，单独增加环境大小可能无法根本解决问题，且成本更高。 增加 Airflow worker 可用的内存是解决内存不足的直接方法，但如果问题是由于并发度过高导致，仅增加内存可能只是暂时缓解，治标不治本。 增加 Airflow triggerer 可用的内存与 worker 内存使用无关，triggerer 主要负责调度和触发任务。