这通常是由于 Kubernetes 与 Airflow 之间的资源限制不足造成的。 Kubernetes 默认情况下限制 Pod 可使用的 CPU 和内存资源数量。为了解决此异常，您可以需要调整 Kubernetes 集群中的资源限制值，以便 Pod 能够正常运行。

以下是一个修改 Kubernetes 资源限制的示例代码：

apiVersion: v1
kind: LimitRange
metadata:
  name: resource-limits
spec:
  limits:
  - max:
      cpu: "2"
      memory: 6Gi
    min:
      cpu: "50m"
      memory: 100Mi
    type: Container

此代码片段定义了一个名为“resource-limits”的 LimitRange 对象。它的目的是确保 Pod 最多只能使用的 CPU 和内存资源数量符合指定的值。

在 Airflow 的 DAG 文件中，您可以指定 Pod 的资源需求和限制。例如：

with DAG('my_dag', default_args=default_args,
         schedule_interval="@once") as dag:

    k8s_op = KubernetesPodOperator(
        task_id='my_task',
        image="my_image",
        name="my-pod",
        namespace='my_namespace',
        resources={
            'request_cpu': '100m',
            'request_memory': '256Mi',
            'limit_cpu': '500m',
            'limit_memory': '512Mi'
        },
        dag=dag
    )

在此示例中，KubernetesPodOperator 被用来在 Kubernetes 中创建 Pod。可以看到，我们在 resources 参数中指定了 Pod 的资源需求和限制。

总的来说，如果您遇到了 Airflow Kubernetes DAG 创建了 Pod，但它停止运行时排队的问题，您应该考虑增加 Pod 的资源限制，以便它能够成功运行。