当Airflow任务在执行过程中遇到内存错误并返回代码-9时，可以尝试以下解决方法：

1. 增加任务的可用内存：可以通过在任务的DAG文件中，将任务的executor_config参数的request_memory字段设置为较大的值来增加任务的可用内存。例如：

from airflow import DAG
from airflow.operators.bash_operator import BashOperator
from datetime import datetime

default_args = {
    'start_date': datetime(2021, 1, 1)
}

dag = DAG(
    'my_dag',
    default_args=default_args,
    schedule_interval='@daily'
)

task = BashOperator(
    task_id='my_task',
    bash_command='my_command',
    executor_config={
        'request_memory': '4G'  # 增加任务可用内存为4GB
    },
    dag=dag
)

2. 优化任务的内存使用：检查任务的代码，确保没有不必要的内存占用。例如，及时释放不再使用的变量、关闭不再需要的数据库连接等。

3. 增加系统的可用内存：如果任务所在的机器内存不足，可以考虑增加机器的内存或者迁移到更高配置的机器上运行任务。

4. 调整任务的资源限制：可以通过在任务的DAG文件中，将任务的executor_config参数的limit_memory字段设置为较大的值来调整任务的资源限制。例如：

from airflow import DAG
from airflow.operators.bash_operator import BashOperator
from datetime import datetime

default_args = {
    'start_date': datetime(2021, 1, 1)
}

dag = DAG(
    'my_dag',
    default_args=default_args,
    schedule_interval='@daily'
)

task = BashOperator(
    task_id='my_task',
    bash_command='my_command',
    executor_config={
        'limit_memory': '6G'  # 调整任务的资源限制为6GB
    },
    dag=dag
)

5. 检查系统的内存使用情况：使用系统监控工具，检查系统的内存使用情况，确保没有其他进程或任务占用了过多的内存资源。

如果以上方法都无法解决问题，可能需要进一步调查任务代码中是否存在其他问题，或者考虑优化或拆分任务以减少内存占用。