如何在Spark集群的work节点上启动多个Executor?

默认情况下，Spark集群下的worker，只会启动一个Executor，只运行了一个 CoarseGrainedExecutorBackend 进程。Worker 通过持有 ExecutorRunner 对象来控制 CoarseGrainedExecutorBackend 的启停。
那么如何启动多个executor呢？通过设置参数来解决：

1、设置每个executor使用的cpu数为4

spark.executor.cores 4

2、限制cpu使用数量，这里会启动3个executor(12/4)

spark.cores.max 12  

3、设置每个executor的内存大小为8g

spark.executor.memory 12g

以上设置将会启动3个executor,每个executor使用4cpu,12gRAM。 
总共占用worker资源12cpu,36gRAM。

Spark1.6的源码部分为：

protected final String EXECUTOR_MEMORY = "--executor-memory";

protected final String TOTAL_EXECUTOR_CORES = "--total-executor-cores";

protected final String EXECUTOR_CORES = "--executor-cores";

也可以在提交任务的时候添加：

SparkSubmit --class com.dyq.spark.MyClass --master:spark://master:7077  --total-executor-cores 12 --executor-cores 24 --executor-memory 12g

tip

在使用过程中发现如果使用spark1.5以下版本有时候会出现即使有资源也申请不到的情况。

最后再附上SparkSubmit的所有参数表：

SparkSubmitOptionParser {

  String = String = String = String = String = String =  String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String = String =

如何在Spark集群的work节点上启动多个Executor?