当Airflow任务失败时，可以采取以下解决方法：

1. 查看任务日志：使用命令airflow logs --task-failed-when-upstream-failed来查看任务的详细日志。日志通常会提供有关任务失败的更多信息，包括错误消息、堆栈跟踪等。

2. 检查依赖关系：确保任务的所有依赖项都成功完成。如果存在依赖项失败，则任务可能会被标记为失败。可以使用命令airflow list_tasks 来查看任务的依赖关系，并确保所有任务都成功完成。

3. 检查任务参数：确保任务的参数设置正确。例如，检查任务的时间表设置、任务的输入参数等。如果参数设置不正确，可能会导致任务失败。

4. 检查连接和变量：Airflow使用连接和变量来访问外部资源和配置。确保连接和变量的设置正确，并且任务能够正确地访问所需的外部资源。

5. 检查操作符逻辑：如果任务使用了自定义的操作符或Python函数，确保代码逻辑正确。检查代码是否有语法错误、逻辑错误或异常处理不完善的情况。

6. 检查资源限制：如果任务涉及到使用大量资源的操作，例如大数据处理或机器学习模型训练，确保资源限制设置合理。例如，检查任务在使用的资源（CPU、内存、磁盘等）是否足够。

7. 更新Airflow版本：如果遇到已知的Airflow bug或问题，可以尝试将Airflow升级到最新版本，以获取修复的问题和改进的功能。

8. 联系社区支持：如果以上方法都不能解决问题，可以参考Airflow的官方文档、邮件列表或论坛，并向社区寻求帮助。Airflow社区通常非常活跃，并且会提供有用的建议和支持。

请注意，以上解决方法是一般性的建议，具体解决方法可能因任务的具体情况而有所不同。对于特定的任务失败问题，可能需要根据具体情况进行进一步的分析和调试。