对于仅运行Spark应用程序的多租户集群，YARN的哪些功能使其比Spark Standalone模式更好？也许除了身份验证之外。

Google有很多答案，其中很多听起来对我来说是错误的，所以我不确定真相在哪里。

例如：

1. DZone,Deep Dive Into Spark Cluster Management

     

   Standalone适用于小型Spark集群，但不适用于   更大的集群（运行Spark守护程序会产生开销，   主节点+从节点-在群集节点中）

   但是其他集群管理器也需要在集群节点上运行代理。即YARN的从站称为节点管理器。它们可能比Spark的从服务器消耗更多的内存（Spark的默认值为1 GB）。

2. This answer

  

Spark独立模式要求每个应用程序运行一个执行程序   在集群中的每个节点上；而使用YARN，您可以选择数字   执行者的使用

再次Spark Standalone # executor/cores control，显示了如何在独立模式下指定消耗的资源数量。

1. Spark Standalone Mode documentation

  

独立集群模式当前仅支持简单的FIFO   跨应用程序的调度程序。

针对独立模式可以使用动态分配这一事实，您可以指定spark.dynamicAllocation.minExecutors和spark.dynamicAllocation.maxExecutors。另外我还没有找到关于Standalone不支持FairScheduler的说明。

1. This answer

  

YARN直接处理机架和机器的位置

YARN如何得知我的工作中的数据局部性？假设，我将文件位置存储在AWS Glue（由EMR用作Hive元存储）。在Spark作业内部，我正在查询some-db.some-table。 YARN如何知道哪种执行者更适合工作分配？

UPD：发现了关于YARN和数据位置https://jaceklaskowski.gitbooks.io/mastering-apache-spark/spark-data-locality.html的另一条提及。例如，对于S3仍然没有关系。