假设我正在使用一个具有2个i3.metal实例的集群，每个实例具有512GiB内存和72个vCPU内核（source）。如果要使用所有内核，则需要对执行程序进行一些配置，并且每个执行程序需要有144个内核。似乎有很多选择。例如，我可以有72个执行者，每个执行者2个核心，或者我可以有36个执行者，每个执行者4个核心。无论哪种方式，我最终都拥有相同数量的内核，每个内核具有相同的内存量。
如何在这两种配置之间进行选择，或者如何选择更多可用的配置？两者之间在功能上有什么区别吗？
我已阅读Cloudera's blog post的关于火花作业的参数调整的信息，但没有回答这个问题。我也在SO中搜索了相关帖子，但是同样，没有找到该问题的答案。
this post中对最高答案的评论表明没有单个答案，应该针对每个作业进行调整。如果是这样的话，我将不胜感激！
确实，对于所有用例都没有绝对的答案。每个工作都是不同的。
当我想执行一项新工作时，我所使用的一般智慧是从默认配置开始，介于瘦执行者和胖执行者之间的某个中间位置：每个执行者有多个内核，每台机器有多个执行者。
我通常将每台机器的内核数的平方根用作每个执行器的内核数。然后，我根据工作对这些参数进行微调，比较性能，同时查看硬件瓶颈（内存，内核，磁盘或网络）。如果作业失败，也可以从数据集的子集开始，然后再进行扩展。
因此，使用这种配置，我将直观地从18个执行器（每台机器9个）开始，每个执行器具有8个内核，但是对于我来说，作为初始配置，36个具有4个内核的执行器对于我来说也很合理。
由于资源和瓶颈方面的各种原因，每个（瘦的）执行器使用一个内核，或者每个节点占用一个计算机的所有内核的（肥胖）执行器往往效率低下。
此外，Spark对每个执行程序都有默认的内存上限。如果很少有具有很多核心的执行程序，除非您分配更多的执行程序，否则它将无法充分利用内存。
我希望这会有所帮助！
,我想说，每个执行者5个内核将是一个不错的选择，它不会对您的输入数据源造成任何IO负担。话虽如此，还应确保每个内核的内存不足。理想情况下，每位执行者不要少于8g。
再次如吉斯兰（Ghislain）所述，这取决于您的操作，但这就是我要开始的地方。