作业长时间处于ACCEPTED 状态

原因：YARN 队列资源不足，作业排队等待。

处理：通过yarn queue -status <queue> 查看队列使用率，确认队列资源上限与当前运行作业；降低本作业的资源申请（Executor 数量/内存）或联系集群管理员调整队列配额。

ClassNotFoundException 类找不到

原因：应用依赖jar 未随作业分发。

处理：将依赖jar 通过 --jars 一并提交；或使用 spark-submit 的--packages 从仓库拉取；Python 作业使用 --py-files 提交依赖。

Executor OOM / Driver OOM

原因：Executor OOM 常见于数据倾斜、缓存过大或单分区数据量过大；Driver OOM 常见于 collect 大结果集到 Driver。

处理：先通过Web UI 定位是否存在倾斜 Stage；调大相应内存（spark.executor.memory / spark.driver.memory）；避免 collect 大数据量，改用 take 或直接落表。

Shuffle 阶段特别慢

原因：分区数不合理、序列化开销大或磁盘IO 压力大。

处理：调整spark.sql.shuffle.partitions；启用 KryoSerializer；调大 spark.shuffle.file.buffer 与 spark.reducer.maxSizeInFlight；确认 AQE 开启以自动合并小分区。

INSERT 时报类型转换异常

原因：Spark 3.0 起默认 storeAssignmentPolicy 为 ANSI，不允许部分不合理的类型强制转换（如 string 转 timestamp）。

处理：执行set spark.sql.storeAssignmentPolicy=LEGACY; 切回宽松策略后重试，或修正数据类型后插入。

Kerberos 认证失败

原因：票据过期或未完成kinit 认证。

处理：通过klist 检查票据状态，重新执行 kinit -kt 完成认证；长周期作业需确认 keytab 与 principal 配置正确。