[spark] 常用参数和默认配置

常用的Spark任务参数及其作用：

1. spark.driver.memory：设置driver进程使用的内存大小，默认为1g。

2. spark.executor.memory：设置每个executor进程使用的内存大小，默认为1g。

3. spark.executor.cores：设置每个executor进程使用的CPU核数，默认为1。

4. spark.default.parallelism：设置RDD的默认并行设置，即在没有指定分区数时Spark将根据集群情况自动确定分区数量。

5. spark.memory.fraction：设置Spark程序可使用的堆内存占JVM堆内存大小的比例，默认为0.6。

6. spark.serializer：设置序列化方式，默认为Java序列化，也支持Kryo序列化等。

7. spark.shuffle.file.buffer：设置shuffle过程中写入磁盘的缓冲大小，默认为32k。

8. spark.reducer.maxSizeInFlight：设置每个reduce task所能接收的map task输出的最大数据量，默认为48MB。

9. spark.shuffle.memoryFraction：设置shuffle操作使用的内存大小占可用堆内存大小的比例，默认为0.2。

10. spark.shuffle.compress：设置shuffle过程中是否启用压缩，压缩后可以减少数据传输时的带宽消耗。

11. spark.driver.maxResultSize：设置driver进程存储执行结果的最大内存空间，默认为1g。

12. spark.sql.shuffle.partitions：设置shuffle操作所用的分区数，默认为200。