让我们说我的工作执行了几个spark操作，其中前几个没有为单个任务使用多个内核，所以我希望每个实例并行执行（executor.cores）任务（spark.task.cpus=1） 。
然后假设我有另一个可以并行化的操作 - 我希望能够增加spark.task.cpus的功能（比如在执行程序上使用更多内核），并在每个实例上同时执行更少的任务
我现在的解决方法是保存数据，使用新设置启动新的sparkContext并重新加载数据。
用例：我后来的行为可能是不可避免的倾斜，我可能希望每个任务应用多个核心以避免对这些大型任务造成瓶颈，但我不希望这会影响早期的行动每个任务使用1个核心可以获益。
从我四处看看我的猜测是我目前无法做到这一点，所以我主要想知道是否存在不允许这样做的重大限制。或者，建议我如何欺骗实现类似的东西。
注意：目前使用1.6.2但愿意听取Spark2 +的其他选项