DAGAppMaster 启动失败

现象：作业提交后立即失败，日志中出现AM 启动类错误。

处理步骤：

1、检查 tez.lib.uris 指向的 HDFS 依赖包是否存在且可读；

2、检查 AM 内存配置（tez.am.resource.memory.mb 与 tez.am.launch.cmd-opts）是否超出队列限制；

3、查看 /var/log/hive与YARN 页面中该 application 的诊断信息。

Container 被 YARN 杀掉（超出内存限制）

现象：任务失败，日志出现Container killed by YARN for exceeding memory limits 或 The physical memory limit exceeded。

处理步骤：

1、确认任务实际需要的堆内存，调大任务容器内存配置；

2、检查 JVM 堆内存设置是否超过容器内存（含堆外开销），保持堆内存约为容器内存的 80%；

3、必要时降低顶点并行度，减少单容器压力。

作业执行中OOM

现象：任务日志出现java.lang.OutOfMemoryError，如 Java heap space。

处理步骤：

1、检查 tez.runtime.io.sort.mb 是否设置过大挤占堆内存；

2、调大任务堆内存或 tez.container.max.java.heap.fraction；

3、通过 TezUI 计数器观察溢写情况，评估是否数据倾斜导致单任务数据量过大。

TezUI 上看不到作业

现象：作业已提交执行，但TezUI 页面查询不到对应 DAG。

处理步骤：

1、确认历史服务是否正常，异常时联系集群管理员恢复；

2、检查作业是否实际提交成功（YARN 中是否存在对应 application）；

3、历史数据存在写入延迟时，稍后刷新页面。

作业长时间排队

现象：作业状态长时间为ACCEPTED，未进入运行。

处理步骤：

1、查看目标队列的资源配置与当前使用率；

2、确认作业是否提交到了正确队列（tez.queue.name）；

3、队列资源紧张时，错峰提交或联系管理员调整队列配额。

如何收集作业诊断信息

处理：定位问题时按如下顺序收集信息：

1、YARN 页面获取 application id 与最终状态、诊断信息；

2、TezUI 查看 DAG、顶点、任务状态与计数器，定位失败或最慢任务；

3、使用 yarn logs -applicationId application_<id> 拉取完整聚合日志，结合 /var/log/hive下的服务日志分析。