小于150可以的话，

建议增加内存

或是

估计是产品限制了吧

联系官方吧https://service.fanruan.com/support

SparkSQL对单表列数存在隐式限制（通常为100-200列），超过阈值时可能因元数据超载导致写入失败。这是Spark内核为防止宽表内存溢出设计的保护机制‌

-------

‌---执行计划拆分限制‌行转列操作会被拆分为多个LocalLimit和GlobalLimit任务，当列数超过150时可能导致DAG调度层崩溃‌

---文件格式兼容性问题‌输出到Parquet等列式存储时：超过150列易触发“递归深度超限”错误；ORC格式对宽表支持较差（需开启特殊配置）‌

可以尝试

• ---修改Spark配置

• spark.sql.pivotMaxValues=300       # 提高PIVOT列数上限
  spark.sql.codegen.splitAggregateFunc=true  # 启用聚合拆分优化
  spark.executor.memory=8g           # 增加执行器内存

• ‌---优化数据处理逻辑‌

• 分步转换：拆分为多个子查询逐步转列

• 字段筛选：剔除低基数或重复列

• 转纵表存储：采用stack()函数实现列转行‌2

• ‌---启用FineDataLink原生算子‌优先使用内置「行转列」组件（自动处理宽表限制），而非直接写SparkSQL‌

多个分支行转列 然后合并就行了