问题说明

假设您具有带有Standalone
Manager的Spark集群，通过SparkSession在客户端应用程序中创建作业来调度作业。客户端应用程序在JVM上运行。为了提高性能，您必须使用不同的配置启动每个作业，请参见下面的“
作业类型”示例 。

问题是您不能从单个JVM创建两个会话。

那么，您如何同时使用不同的会话配置启动多个Spark作业？

通过不同的会话配置，我的意思是：

• spark.executor.cores
• spark.executor.memory
• spark.kryoserializer.buffer.max
• spark.scheduler.pool
• 等等

我的想法

解决问题的可能方法：

1. 为同一Spark中的每个Spark作业设置不同的会话配置SparkSession。 可能吗？
2. 启动另一个JVM只是为了启动另一个SparkSession，这可以称为Spark会话服务。但是您不知道将来会同时启动多少个具有不同配置的作业。目前-我一次只需要2-3个不同的配置。可能就足够了，但不够灵活。
3. 为所有作业使用相同的配置进行全局会话。但是从性能的角度来看，这种方法是最底层的。
4. 仅将Spark用于繁重的工作，并在Spark之外运行所有快速搜索任务。但这很麻烦，因为您需要与Spark并行保留另一个解决方案（例如Hazelcast），并在它们之间分配资源。而且，这给所有人带来了额外的复杂性：部署，支持等。

作业类型示例

1. 转储巨大的数据库任务。这是CPU不足但IO密集且长时间运行的任务。因此，您可能希望以尽可能低的内存和每个执行器内核启动尽可能多的执行器。
2. 繁重的处理转储结果任务。它占用大量CPU，因此您将在每台群集计算机上启动一个执行程序，并使用最大的CPU和内核。
3. 快速检索数据任务，每台计算机需要一个执行程序，并且资源最少。
4. 介于1-2和3之间的中间位置，在此位置作业应占用一半的群集资源。
5. 等等