Les tâches Cloud Composer 2 Airflow échouent en raison d'une utilisation élevée de la mémoire totale des workers et d'évictions de pods de workers. Comment pouvez-vous résoudre ce problème ? (Choisissez deux réponses.)

L'augmentation du nombre maximal de workers et la réduction de la concurrence des workers (nombre de tâches simultanées par worker) est une solution efficace. Cela distribue la charge de travail sur plus de workers, réduisant ainsi la pression sur la mémoire de chaque worker et prévenant les évictions de pods. L'augmentation de la mémoire disponible pour les workers Airflow est également une solution directe. Si les workers manquent de mémoire, leur allouer plus de ressources leur permettra de traiter les tâches sans échouer. Augmenter l'intervalle d'analyse des fichiers DAG n'affecterait pas la mémoire des workers. Augmenter la taille de l'environnement Cloud Composer 2 de "medium" à "large" est une solution plus globale qui inclut l'augmentation des ressources, mais n'est pas aussi ciblée que l'augmentation directe de la mémoire des workers ou l'ajustement de la concurrence. Augmenter la mémoire disponible pour le triggerer Airflow ne résoudrait pas les problèmes de mémoire des workers, car le triggerer gère les capteurs et non l'exécution des tâches.