小编Rvd*_*vdV的帖子

Spark 集群由一个驱动程序组成，该驱动程序将任务分配给多个工作节点。每个工作线程可以承担与可用核心数量相等的任务数量。所以我认为任务完成的速度取决于可用核心总数。

考虑以下集群配置，以 AWS EC2 为例：

• 2 个m5.4xlarge（16 个 vCPU/核心，64GB RAM）工作线程，总共 32 个核心/128GB RAM

或者

• 8 个m5.xlarge（4 个 vCPU/核心，16GB RAM）工作线程，总共 32 个核心/128GB RAM

我使用这些实例作为示例；这与这些实例无关，而是与一般想法有关，即您可以使用不同的配置拥有相同数量的内核+ RAM。这两种集群配置的性能有什么区别吗？两者都具有相同的内核和 RAM 总量，以及相同的 RAM/内核比率。您会选择其中一项做什么工作，另一项又是什么？我自己对此有一些想法：

• 具有 8 个较小实例的配置可能具有更高的总网络带宽，因为每个工作线程都有自己的连接
• 具有 2 个较大实例的配置在洗牌时可能会更有效，因为更多核心可以共享工作线程上的内存，而不必在网络上洗牌，因此网络开销更低
• 具有 8 个较小实例的配置具有更好的弹性，因为如果一个工作线程发生故障，则只有八分之一发生故障，而不是二分之一。

您同意以上说法吗？在总 RAM/内核数量相同的不同配置之间进行选择时，您还会考虑哪些其他因素？

给定一个 Julia 列表列表：

data = [[1,2],[4,5]]\n

其中有 type Vector{Int64}，我如何将其转换为 2D 数据类型（例如2\xc3\x972 Matrix{Int64}），以便我可以像这样索引它data[:,2]？我尝试过hcat，vcat但无法得到我想要的结果。提前致谢！