? num-executors：該作業(yè)總共需要多少executor進(jìn)程執(zhí)行

建議：每個作業(yè)運(yùn)行一般設(shè)置5-~100個左右較合適

? executor-memory：設(shè)置每個executor進(jìn)程的內(nèi)存， num-executors* executor-memory代表作業(yè)申請的總內(nèi)存量（盡量不要超過最大總內(nèi)存的1/3~1/2）

建議：設(shè)置4G~8G較合適

? executor-cores： 每個executor進(jìn)程的CPU Core數(shù)量，該參數(shù)決定每個executor進(jìn)程并行執(zhí)行task線程的能力，num-executors * executor-cores代表作業(yè)申請總CPU core數(shù)（不要超過總CPU Core的1/3~1/2 ）

建議：設(shè)置2~4個較合適

? driver-memory： 設(shè)置Driver進(jìn)程的內(nèi)存

建議：通常不用設(shè)置，一般1G就夠了，若出現(xiàn)使用collect算子將RDD數(shù)據(jù)全部拉取到Driver上處理，就必須確保該值足夠大，否則OOM內(nèi)存溢出

? spark.default.parallelism： 每個stage的默認(rèn)task數(shù)量

建議：設(shè)置500~1000較合適，默認(rèn)一個HDFS的block對應(yīng)一個task，Spark默認(rèn)值偏少，這樣導(dǎo)致不能充分利用資源

? spark.storage.memoryFraction： 設(shè)置RDD持久化數(shù)據(jù)在executor內(nèi)存中能占的比例，默認(rèn)0.6，即默認(rèn)executor 60%的內(nèi)存可以保存持久化RDD數(shù)據(jù)

建議：若有較多的持久化操作，可以設(shè)置高些，超出內(nèi)存的會頻繁gc導(dǎo)致運(yùn)行緩慢

? spark.shuffle.memoryFraction： 聚合操作占executor內(nèi)存的比例，默認(rèn)0.2

建議：若持久化操作較少，但shuffle較多時，可以降低持久化內(nèi)存占比，提高shuffle操作內(nèi)存占比