1.平常的资源使用情况

　　

2.官网

　　

3.资源参数调优

　　cores

　　memory

　　JVM

4.具体参数　　

　　可以在--conf参数中给定资源配置相关信息(配置的一般是JVM的一些垃圾回收机制)
　　--driver-memory

　　　　　　MEM Memory for driver (e.g. 1000M, 2G) (Default: 1024M).

　　　　　　给定driver运行的时候申请的内存，默认是1G
　　--executor-memory

　　　　　　MEM Memory per executor (e.g. 1000M, 2G) (Default: 1G).

　　　　　　给定Executor运行的时候申请的内存，默认1G
　　--driver-cores

　　　　　　 NUM Cores for driver (Default: 1).

　　　　　　 standalone的cluster运行模式下，driver运行需要的core数量
　　--supervise

　　　　 If given, restarts the driver on failure.

　　　　　　 当运行在standalone上的时候如果driver宕机，会重启
　　--total-executor-cores

　　　　　NUM Total cores for all executors.

　　　　 给定针对所有executor上总共申请多少个cores，默认全部
　　--executor-cores

　　　　 NUM Number of cores per executor. (Default: 1 in YARN mode,or all available cores on the worker in standalone mode)

　　　　Standalone模式下，每个executor分配多少cores，默认全部；

　　　　以及yanr模式下，每个executor分配多少cores，默认1个
　　--driver-cores

　　　　 NUM Number of cores used by the driver, only in cluster mode(Default: 1).

　　　　 yarn运行模式下(cluster)，driver需要的cores数量，默认一个
　　--num-executors

　　　　 NUM Number of executors to launch (Default: 2).

　　　　yarn运行模式下总的executors数量

5.示例

1.命令

　　为啥要设置，因为自己一个人把集群的资源给使用了，别人就会没有资源可以使用。

bin/spark-submit \
--master spark://linux-hadoop3.ibeifeng.com:6066 \
--deploy-mode cluster \
--class com.ibeifeng.bigdata.spark.core.TOPNSparkCore \
--conf "spark.ui.port=5050" \
--driver-memory 512M \
--supervise \
--executor-memory 1500M \
--total-executor-cores 1 \
--executor-cores 1 \
/etc/opt/datas/logs-analyzer.jar

2.运行