一、如何查看spark集群资源命令？
yarn.nodemanager.resource.memory-mb控制每个主机上container使用的最大内存总和。
yarn.nodemanager.resource.cpu-vcores控制每个主机上container使用的最大内核总数。
二、科普Spark，Spark是什么，如何使用Spark？
自己写的Spark入门实战教程，适合于有一定hadoop和数据分析经验的朋友。
Spark简介
Spark是一个开源的计算框架平台，使用该平台，数据分析程序可自动分发到集群中的不同机器中，以解决大规模数据快速计算的问题，同时它还向上提供一个优雅的编程范式，使得数据分析人员通过编写类似于本机的数据分析程序即可实现集群并行计算。
Spark项目由多个紧密集成的组件组成。
核心是Spark Core组件
，它实现了Spark的基本功能，包括：任务调度、内存管理、错误恢复、与存储系统交互等模块，特别的，Spark Core还定义了弹性分布式数据集（RDD）的API，是Spark内存计算与并行计算的主要编程抽象。在Spark Core上有一系列软件栈，用于满足了各种不同数据分析计算任务需求，包括连接关系型数据库或Hadoop Hive的SQL／HQL的查询组件Spark SQL，对实时数据进行流式计算的组件Spark Steaming，支持常见机器学习算法并行计算组件MLlib，支持并行图计算组件GraphX等。
为了进一步支持在数千个计算节点上的伸缩计算，Spark Core底层支持在各种集群管理器上运行，包括Hadoop YARN、Apache Mesos，或者Spark自带的Standalone独立调度器。
Spark部署
安装Spark比较简单，只要在机器上配置好最新版JAVA环境，下载编译好的Spark软件包后即可在本地运行。当然，也可以根据具体环境，使用Maven编译需要的Spark功能。
Spark部署有两种方式，一是本地部署，二是集群部署。前者只需启动本地的交互式环境spark-shell.sh脚本即可，常用在本机快速程序测试，后者的应用场景更多些，具体根据集群环境不同，可部署在简易的Spark独立调度集群上、部署在Hadoop YARN集群上、或部署在Apache Mesos上等。
其中，Spark自带的独立调度器是最简单实现Spark集群环境的一种方式，只需在多台联网计算机上安装好Spark，然后在其中一台启动集群管理器（通过start-master.sh脚本），然后再在其他计算机上启动工作节点（通过start-slave.sh脚本），并连接到管理器上即可。
Spark编程
使用Spark编程，需要先在本机安装好Spark环境，然后启动Spark上下文管理器连接到本机（本地部署）或是集群上的集群管理器（集群部署），再使用Spark提供的抽象接口编程即可。
支持Spark的原生语言是Scala，一种支持JVM的脚本语言，可以避免其他语言在做数据转化过程的性能或信息丢失。但随着Spark项目的不断完善，使用Python和PySpark包、或者R和SparkR包进行Spark编程也都是不错的选择。
不论使用何种编程语言，使用Spark进行数据分析的关键在于掌握Spark抽象的编程范式，其基本流程包括4步：
初始化SparkContext
。SparkContext即是Spark上下文管理器（也称为驱动器程序），它主要负责向Spark工作节点上发送指令并获得计算结果，但数据分析人员无需关注具体细节，只需使用SparkContext接口编程即可。创建RDD
。弹性分布数据集RDD是Spark在多机进行并行计算的核心数据结构，因此使用Spark进行数据分析，首先需使用SparkContext将外部数据读入到Spark集群内。设计数据转化操作
。即操作的结果是返回一个新的RDD，即在图计算中只是一个中间节点。类比于Hadoop的Map()映射算子，但又不仅于此，Spark还支持filter()过滤算子、distinct()去重算子、sample()采样算子，以及多个RDD集合的交差补并等集合操作。设计数据执行操作
。即操作的结果向SparkContext返回结果，或者将结果写入外部操作系统。类比于Hadoop的Reduce()算子，按某函数操作两个数据并返回一个同类型的数据，此外Spark还支持collect()直接返回结果算子、count()计数算子、take()/top()返回部分数据算子、foreach()迭代计算算子等操作。Spark编程范式的本质是有向无环图方式的惰性计算
，即当使用上述方式进行编程后，Spark将自动将上述RDD和转化算子转换为有向无环图的数据工作流，只有当触发执行算子时，才按需进行数据工作流的计算。此外，为进一步提高计算效率，Spark默认将在内存中执行，并自动进行内存分配管理，当然分析人员也可根据需求通过persist()算子将中间步骤数据显式的将内存数据持久化到磁盘中，以方便调试或复用。在R环境下使用Spark实例
最新版的RStudio已经较完整的集成了Spark数据分析功能，可以在SparkR官方扩展接口基础上更方便的使用Spark，主要需要安装两个包，分别是sparklyr和dplyr。其中，sparklyr包提供了更简洁易用的Spark R编程接口，dplyr包提供了一个语法可扩展的数据操作接口，支持与主流SQL/NoSQL数据库连接，同时使数据操作与数据集数据结构解耦合，并且和Spark原生算子可基本对应。
若第一次运行，先在本机安装必要的包和Spark环境：
之后运行下面的小例子，可以发现，除了需要初始化SparkContext、导入RDD数据和导出数据外，其他数据处理操作都与在本机做数据分析是一样的。
此外，除了dplyr接口外，sparklyr还封装了一套特征工程和常用机器学习算法，足以满足80%常见的数据分析与挖掘工作，至于剩余的20%定制算法或是流处理、图计算等任务，便需要了解更多高阶的Spark接口来实现了。
三、资源回收怎么入门？
资源回收入门，可以从了解基本的回收知识开始，包括不同材料的回收标准、可回收垃圾的分类方法、不可回收垃圾的处理方式等。
其次，要建立良好的回收习惯，将可回收垃圾正确分类并定期交付回收公司，避免有害物质污染环境；
此外，要建立个人回收记录，以证明自己的可持续发展行为。
四、再生资源资源回收利用指导意见？
建议把可以再生资源资源回收时也进行分类，把再生资源资源的回收价值进行分类
五、ipad资源机回收吗？
Ipad资源机官网不回收，官方也不会回收，但是我可以告诉你，小地方回收，比如说你在其他的地方，二手市场和一些小黑市啊，这些地方是回收的，他们回去把件儿都拆了，以后匹配重新组装机，这样的话就会嗯麦麦，但是卖不上价格一般的话，卖的比较便宜一些
六、再生资源回收指？
再生资源是指整合有限的资源构造再生资源回收、分拣、转运、加工利用、集中处理为一体的产业化格局。近几年，我国的再生资源回收利用行业得到前所未有的发展。据统计，“十五”期间我国回收利用再生资源总量为4亿多吨，年平均回收利用量在8000万吨，年平均增长率为12%以上，主要再生资源回收利用总值超过了6500亿元，年平均增长率超过了20%。
七、spark rs和spark sport区别？
区别就是两者所表达的中文意思是不一样，具体的不同如下
spark rs中文意思是瑞豹Spark RS 全新公路车
spark sport中文意思是破风公路车，又称气动公路车，是经过空气动力学优化的公路车，拥有更小的风阻、更加整合的零件搭配、更加隐蔽的走线方式。
八、为什么要回收资源？
一、目前再生资源回收是一个时尚行业，它的应用发展跟随着经济发展，带动了社会的需求，应试着资源再生，对于节约资源做出了莫大的贡献。
二、再生资源对环境保护节约资源降低成本有重要的意义.可以减少节约劳动力和资源，也对环境做到了一定的保护和清理作用。能源上的节省金属能来代替一些已绝种或稀少的金属.日益减少有些金属甚至已经绝种了。
三、再生资源的回收，很大程度上节约了成本，一个新的产品和折旧的价格大打折扣，回收后进行加工制作，性质没有改变，功能也同样不会受影响。很多维修店铺就比较青睐这种形式的经营，利益空间还是很大的，对于个人来说，破旧的生活器件能被回收还有一定的价格，已经很不错了。
四、对于社会来说，发展了小市场经济。促进了市场的活跃度，经营模式也越来越受到欢迎。
九、资源回收属于什么行业？
资源回收属于环保行业。随着全球资源的日益匮乏和环境污染日益严重，很多国家和地区开始重视资源的可持续利用和循环利用。资源回收的行业主要包括废品回收、再生资源行业和废物处理行业等。废品回收包括废纸回收、废塑料回收、废金属回收等，这些废品经过回收后可以再次加工利用或者直接作为原材料供应给其他企业。
再生资源行业包括废水处理、废气处理、再生能源等，通过技术手段对废物进行处理，使其变为可利用的资源。
废物处理行业主要包括垃圾处理、废弃物处理等，通过科学的方法对废物进行处理，减少对环境的污染，实现循环利用。资源回收行业的发展对环境保护和可持续发展具有重要意义。
十、回收资源广告语？
1、回收资源广告语：回收废品，废旧利用。保护环境，节约资源。保护资源，百年大计。节约资源，利国利民。
2、综上所述，就是“回收资源”的广告语。