在Airflow中，DAG的跑批就是一个很漫长的过程，如果涉及到贴源层的表很多的时候，我们往往要花几天的时间去跑批，不出问题还好，一旦出现问题，真的就很难预计时间了。但是我们的测试时间往往都是被规定好的，在这个过程中在，怎么去权衡和提高效率就显得很重要了。
Airflow中遇到的问题大致有如下几种：
1、大数据相关的问题（又分为环境为题和元数据问题）
2、DAG中的SQL代码逻辑问题
1.DAG种的大数据相关的问题
在遇到这类问题的时候，我们往往都是找运维的同事帮忙或者自己解决。比如常见的一些错误。
- Airflow出错，显示表匹配不到，原因：hive中元数据存在多条，导致匹配出错，删掉保留一条，重新跑，解决问题。
- 测试环境dag上有这些配置需要注释掉(尤其是测试环境资源紧张的情况)
set mapreduce.map.memory.mb=20360(作用：调高map内存到156G)
set mapreduce.reduce.memory.mb=20360(作用：调高reduce内存到156G)
2.DAG中的SQL代码逻辑问题
DAG中的SQL代码问题，就需要根据具体的逻辑是进行判断和思考。
