Spark和Scala中的多核用法和内存共享

Question

我是Spark，Scala的新手，我有几个问题 -

1. 当我将master设置为local[2]时，是否意味着每当我执行rdd.map( ... ).collect()之类的操作时，map函数将在2个内核上执行？
2. 跟进1，如果RDD中的项目数等于核心数，它会是最佳的吗？ （以便每个地图都在一个核心中完成。）

3. 如果我重用值，内存是如何共享的？

   即

   val conf = new SparkConf().setMaster("local["+cores+"]")
   val sc = new SparkContext(conf)
   
   // in practice the following will be sparse matrix which I want shared between threads
   val myHugeValue = 100
   
   // in practice the following would interact with myHugeValue
   sc.parallelize(Array.range(0, cores)).map(myHugeValue + _).collect()
   

   在上文中，myHugeValue会在使用myHugeValue时将其复制到每个映射器函数吗？如果是这样，我如何更改impl以使其不被复制？

编辑1：

更具体的2.， 假设我的集群中有10个节点或工作核心，那么如果我的数据被分成10个部分以便每个节点可以处理其批处理，那么处理是否最有效？是否有理由将数据拆分为较小的块并增加网络开销？

我不想复制值myHugeValue的原因是因为它是一个巨大的对象，需要时间复制每个地图操作。地图操作被调用了很多次迭代。我宁愿每个群集缓存一次对象，然后重复调用map函数。有这样做的Spark方法吗？