DataWorks中有个sql运行一直报oom，那几个memory的参数都要调满了也没什么用呢，数？

由于数据量过大，且使用了ROW_NUMBER() OVER函数进行分组排序，可能导致内存溢出（OOM）的问题。调整内存参数可能会有所帮助，但是并不是完全解决问题的方法。

可以考虑对SQL进行优化，如使用更加高效的排序函数替代ROW_NUMBER() OVER函数，或者对数据进行分批处理，减少单次查询的数据量。另外，可以考虑在DataWorks中使用分布式计算引擎如MaxCompute等进行处理，以分摊计算负担，提高处理效率。

同时，也可以通过查询slow log，分析SQL执行的瓶颈所在，优化查询语句和数据结构，减少不必要的计算和IO操作，从而提高整个查询过程的效率和稳定性。

OOM(Out of Memory)错误通常是由于内存不足导致的。在这种情况下，即使将内存参数调到最大值，也可能无法解决问题。

针对这种情况，你可以尝试以下方法：

1. 优化SQL语句，减少内存占用。例如，可以尝试使用更高效的算法或者减少不必要的聚合操作。
2. 增加DataWorks集群的内存容量。如果当前集群的内存容量不足以支持运行该SQL任务，可以考虑增加集群的内存容量。
3. 将数据分批处理。如果数据量过大，可以尝试将数据分批处理，每次处理一部分数据，避免一次性加载全部数据导致内存不足。
4. 检查系统资源使用情况。除了内存之外，还有其他系统资源可能会影响SQL任务的执行效率，例如CPU、磁盘等。可以使用系统监控工具查看系统资源的使用情况，并进行相应的优化。

如果您的SQL运行一直报OOM (Out of Memory) 错误，即使将DataWorks中的内存参数调整到最大，那么很可能是由于数据量过大而导致的。在处理大数据量的情况下，可能需要使用一些优化技巧来减少内存的使用。

针对您提到的情况，您可以考虑以下优化技巧：

分区：对于大型表，可以使用分区来分割表，将数据分成更小的块来处理。这样可以减少每次处理的数据量，降低内存压力。

列剪裁：只选择需要的列，避免加载和处理不必要的数据，可以减少内存的使用。

适当增加并行度：在DataWorks中，可以通过增加节点数量来提高任务的并行度，减少单个节点的内存使用。

减少排序：ow_number() over函数需要对整个数据集进行排序，这将会导致大量的内存使用。可以尝试减少排序的数据量，或者使用其他更适合的排序方式。

增加JVM参数：在DataWorks中，可以通过在JVM参数中增加-Xmx和-Xms来增加内存空间。但是，这种方式并不能解决所有内存问题，因为内存使用的上限还受到其他因素的限制。

内存溢出（OOM）通常是由于查询所需的内存超过了限制而导致的。针对您的查询，有几个方法可以尝试解决这个问题：

增加JVM内存：您可以尝试增加DataWorks中JVM的内存限制。这可以通过编辑DataWorks服务器上的 nohup.out 文件来完成。打开该文件并查找以下行：

JVM_ARGS="-Xms512m -Xmx512m" 将 -Xmx512m 修改为您希望分配的更大内存值，例如 -Xmx4g。保存文件并重新启动DataWorks服务器。

减少数据量：如果可能的话，尝试减少数据量以减少查询所需的内存。您可以考虑使用采样数据集代替完整数据集，或者尝试使用更高效的数据结构和算法来处理数据。

优化查询：尝试优化您的查询以减少所需的内存。您可以尝试优化 ow_number() over 函数，例如使用 row_number() 函数代替。您还可以尝试使用更高效的数据访问模式，例如使用谓词 WHERE 和 ORDER BY 来过滤和排序数据。

增加Pheonix数据库内存：如果您的Pheonix数据库正在运行时出现内存溢出错误，您可以尝试增加Pheonix数据库的内存限制。这可以通过编辑Pheonix数据库配置文件来完成。打开该文件并查找以下行：

phoenix.spillover-threshold-mb phoenix.query-parallelism

将 phoenix.spillover-threshold-mb 修改为您希望分配的更大内存值，例如 1g。保存文件并重新启动Pheonix数据库。

请注意，这些方法可能不适用于所有情况，具体取决于您的数据集和查询。因此，您可能需要尝试不同的方法并测试它们的效果。