我想把rdd的每一块数据转化为np.array，然后进行迭代计算。对rdd先glom，然后再map。（data_rdd.glom().map(func)) func为迭代函数
python中矩阵计算是并行的，我top了一下，在python下，矩阵计算时大概会调用4个cup。
在pyspark中，我测试了一下，如果每个节点只起一个executor，每个executor只配分一个core的话，完成一个map迭代大概需要花费10s。
我使用4核8线程电脑进行spark并行，为什么如果一个节点起一个executor，然后分配2个core，那么每个map完成时间大概在20s，分配3个core，每个map完成时间就在30s以上，以此类推？（我查看cup符合，一个core时，大概有4个cup满负荷，2个core及以上，那么基本8个cup就都满负荷工作了。这样看来，2cores时，完成一个map不应该跟分配1core时差不多的效率吗）
