大家好，我是负雪明烛，一个热爱分享的程序员。
我们有一个 Spark 任务，一直运行的很稳定。
前两天有个需求，要在这个任务里面加一个字段。按理来说，这个需求很简单，几分钟就能搞定。
但是在测试过程中，试了很多次都执行失败了。
错误原因有两个：
一部分 executor 出现了 OOM
一部分 executor 报了空指针 NPE 错误
因为 NPE 错误有完整的错误栈，可以看到是与数据填充有关的错误，所以我就一直盯着这个数据填充问题去排查了，比如有没有数据是 NULL 值。
按照这个思路排查了很久也没发现什么问题，而且线上任务已经执行了很久了都问题啊。。
上网搜资料、咨询大模型这个 NPE 错误怎么回事，也没有靠谱回答。
所以我就觉得很神奇，开始怀疑人生。
后来，跟同事交流的时候，他说他遇到过这个问题。
这个问题不复杂：executor 内存不够（线上是大内存，测试的时候选择了小内存），同时引发了 OOM 问题和 NPE 错误。
我把 OOM 问题忽略了，去了错误的排查方向，所以怎么也解决不了。
果然加了内存以后，作业测试通过就可以上线了。
通过这个排查经过，我发现自己在排查问题的时候倾向于优先解决“看起来”更显而易见的问题。
如果多个错误直接没有关联关系，这么做可以逐步逼近真相。
但是，如果多个错误本质上是一个错误的时候，那么就可能走偏，陷入到局部解里面。
下次再遇到这种多个错误同时出现的情况，不妨想想它们是不是同一个原因导致的，或许解决起来更容易。
这是我通过一个 Bug 的反思，希望对大家有些帮助。
欢迎加我微信交流：
还有很多所见所闻想要分享，下期见！
关注我，大量干货内容，投递给您↓
我是「负雪明烛」，互联网大厂在职程序员，一个计算机知识分享者。
关注我，你可以获得优质算法题解、求职技巧、大厂内推、工作经验。
欢迎点击关注+星标⭐️！
