有具体的代码吗 贴出来看一下

把xml当string处理 先读成string 再用正则表达式匹配xml重要提取的内容

把设置变量的截图一下，把代码也截图发一下

把代码贴一下吧

1、要看承载啥业务，比如空集群 那你优化它有啥用
2、还是要看具体业务，没有最优的系统，只有符合业务的系统
3、大坑太多，其中最核心的坑就是不知道自己不知道

可以 没啥影响 不同语言的rdd可以互相转换

不太懂js

为啥要用scala做rpc，java不好吗

因为spark默认的存储是存储大量数据，数据结构和算法严格绑定，这样计算速度就会更快，会有更多的优化空间，RowMatrix和IndexRowMatrix和computeSVD强绑定，CoordinateMatrix和BlockMatrix也可以通过扩展接口自己来写

Yarn 的全称是 Yet Another Resource Negotiator意思是“另一种资源调度器”，为什么要叫另一种呢？肯定是之前的那种不好，资源调度的理解是负责资源管理和调度，什么是资源CPU，内存
几个核心概念：
1、容器（Container）这个东西是 我们可以简单理解为一个虚拟机。
2、ResourceManager，整个系统有且只有一个 RM ，来负责资源的调度
3、ApplicationMaster也叫ap， Client 提交一个任务的 时候，就会新建ap。ap 去与 RM申请创建一个或多个容器，然后在容器里进行分布式计算。
4、NodeManager 是 ResourceManager 在每台机器的上代理，监控他们的资源使用情况（cpu，内存，磁盘及网络等），以及向 RM报告使用信息。

channel是一个逻辑结构，一般是做资源或任务隔离，你可以理解为一个特殊的通道，但是在连接kafka的时候每个人写的接入方式不一样，导致了很多性能上的问题，所以kafka自己实现了通用的高性能的channel，使用的时候只需要配置一下就可以了，同时它充分考虑了利用kafka的特性进行性能上的优化，使接入的门槛降低，对开发者很有利。

可以统一打包一个环境放在每一台spark机器上 设置一下python的路径就行了

import logging
logger.setLevel(logging.ERROR)

把代码发一些看看

[Future[T]] 保证了会返回一个T对象，所以说Future[Try[T]]也是一样的道理，即使Try失败了 也一定返回一个T，但是Try[T], 一定会返回成功或是失败，当然Future对象保证了这两个过程都是异步的