症状
Job 以 BackoffLimitExceeded 失败结束，说明其 Pod 失败次数超出重试预算。关键问题是为何失败：确定性应用错误永不恢复，而 OOMKilled 的 Pod 指向内存上限，依赖暂时不可用则可能是暂时性的。属于哪一种决定了修复在代码、资源还是重试策略。
诊断
describe job 与 Pods；读取上一容器的日志；检查 lastState 与退出码。
kubectl describe job <name> ; kubectl get pods -l job-name=<name>根因
Job 耗尽重试预算，因为容器反复失败，或源于确定性应用错误，或源于将其杀死的资源上限，控制器遂停止重试并标记失败。
修复
修复底层失败：修正命令、镜像或配置，或在 Pod 被杀时提高内存上限。仅在失败确为暂时性时调整 backoffLimit 与 restartPolicy。
验证
重跑 Job 确认以预期的成功 Pod 数完成，并确认无 Pod 被 OOMKilled。Job 成功且 Pod 健康即证明根因已修复。
常见陷阱
为过检查一味提高 backoffLimit 会在确定性错误上反复浪费资源；应先分类失败原因。