开发者学堂课程【大数据实时计算框架 Spark 快速入门：静态模式和统一模式_2】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/100/detail/1735
静态模式和统一模式_2
例子：
在集群上执行某个任务时，作业的处理被划分为几个阶段，每个阶段又被划分为任务。每个任务都是单独安排的。
可以将作为执行器工作的每个 JVMs 视为一个任务执行槽池，每个执行器将给您spark.executor.core / spark.task.cpus 为你的任务提供执行槽位，总计为spark.executor.instances executor。这是一个例子。
集群有 12 个节点运行 YARN 节点管理器，每个 64GB RAM 和 32 个 CPU 内核(16个物理内核超线程)。
这样，在每个节点上，你可以启动 2 个 executor，每个 executor 有 26GB 的RAM (留下一些 RAM 给系统进程，YARN NM 和 DataNode)，每个 executor 有 12 个内核用于任务(留下一些内核给系统进程，YARN NM 和 DataNode)。
所以总的来说，你的集群将处理 12 台机器，每台机器 2 个执行器*每个执行器 12 个核/每个任务 1 个核 288 个任务槽。这意味着您的 Spark 集群将能够并行运行288 个任务，从而利用该集群上的几乎所有资源。
1.6 对内存的改进：
固定保留 300MB，默认总共 1024MB，1024MB-300MB 是 spark 使用的内存，User Memory 是 spark 的 25%，Spark Memory 是 75%，Storage Memory 和Execution Memory 各占一半。
各种配置：
spark,menory.useLegacyMode.
是否启用 Spark 1.5 及之前使用的遗留内存管理模式。遗留模式将堆空间划分为fixed-size 的区域，如果应用程序没有调优，可能将导致过度溢出。以下已弃用的内存片段配置不会被读取，除非启用 spark.shuffle, memoryFraction spark.storage.memoryFraction
spark.storage.unrollFraction
除此之外的等等配置，可在官网可见。
