EMR群集利用率

Question

我有一个20模式c4.4xlarge集群来运行Spark作业。每个节点都是16个vCore，30 GiB内存，仅EBS存储EBS存储：32 GiB计算机。

由于每个节点都有16个vCore，所以我知道执行程序的最大数量是16 * 20> 320个执行程序。可用总内存为20（#nodes）* 30〜600GB。将1 / 3rd分配给系统操作，我有400 GB的内存来处理内存中的数据。这是正确的理解吗？

此外，“火花历史记录”显示输入和随机播放的不均匀分布。我认为处理过程不会在执行者之间平均分配。我在spark-submit中传递了这些配置参数-

> —-conf spark.dynamicAllocation.enabled=true  —-conf spark.dynamicAllocation.minExecutors=20

火花历史用户界面中的执行器摘要还显示数据分发负载完全不对称，并且我没有以最佳方式使用集群。如何更好地分配负载-