在我跟随How to allocate more executors per worker in Standalone cluster mode?之后，是的，我理解我们可以分配更多（N）否。通过设置SPARK_WORKER_INSTANCES = N（在我们的spark-env.sh中）来确定每个Worker的执行程序。但那（N）有任何限制吗？实际上，通过哪个因素（sys配置）我可以决定＆＃34;我可以分配最大N否。每名工人的执行人和＃34;。 （到现在为止我假设我在系统中的核心数量在工作节点上说（在我的情况下是12）然后我可以为每个工人分配最多12个执行者。）
此外，我在1个主（64 Gb）和3个workerNodes（每个64 Gb 12核心系统）的独立群集上设置以下内容
new LoadXmlToDatabase().execute();
如果通过以上设置10个Executors将为每个Worker启动，那么我将为我的应用程序提供10 * 3 = 30个执行程序。我可以将其设置为＆gt; 12，如13或15吗？
如果我的第二个设置SPARK_WORKER_CORES = 15抛出错误（请在此更正我）？ 然后假设我将其重置为最多12个核心，那么每个工作者的10个执行器如何划分其中12个核心（最大可用），12/10 ??或者核心永远不会在执行者之间划分。怎么运作??
从第3次开始，SPARK_WORKER_MEMORY = 60g，如何将内存分配给我的执行者，60/10 = 6 ???
如果我没有错，执行程序帮助缓存数据，如果从我的第3次设置上面得到总（最大）60 gb（10 * 6），然后如果我设置spark.memory.fraction 0.7默认配置，然后我将有多少内存来保存我的数据。 3个问题 -
1.我可以缓存的最大数据量是多少（假设6 Gb文件在缓存时将占用6Gb大小）。是总共18Gb，每个执行器将有1.8 Gb数据缓存吗？
2.如果我尝试使用MEMORY_AND_DISK storagelabel缓存30 Gb数据，那么将高速缓存18 Gb并将额外的12 Gb写入光盘吗？
3.计算缓存大小的方式（从总工作者内存或每个执行者）60 * 0.3或10 *（6 * 0.3），虽然两者都相同？