Spark本地模式：如何查询executor slots的个数？
Spark local mode: How to query the number of executor slots?
我正在学习教程 Using Apache Spark 2.0 to Analyze the City of San Francisco's Open Data，其中声称 Databricks "Community Edition" 中可用的 "local mode" Spark 集群为您提供了 3 个执行程序插槽。 （所以 3 个任务应该能够同时 运行。）
但是，当我在自己的 Databricks "Community Edition" 笔记本中查看具有多个任务的作业阶段的 "Event Timeline" 可视化时，看起来多达 8 个任务 运行ning同时：
有没有办法从 PySpark 或 Databricks notebook 查询执行程序插槽的数量？或者我可以直接在 Spark UI 某处看到数字吗？
Databricks "slots" = Spark "cores" = 可用线程
"Slots" 是 Databricks 使用（或使用？）表示 可用线程 为 Spark 执行并行工作的术语。 Spark 文档和 Spark UI 调用相同的概念 "cores"，即使它们与物理 CPU 内核无关。
（参见 this answer on Hortonworks community, and this "Spark Tutorial: Learning Apache Spark" databricks notebook。）
Spark UI（在 Databricks 上）slots/cores/threads 的查看数量
要查看您的 Databricks 集群中有多少个，请单击左侧导航区域中的 "Clusters"，然后将鼠标悬停在您的集群条目上并单击 "Spark UI" link.在 Spark UI 中，单击 "Executors" 选项卡。
您可以在摘要和每个执行器 1 的 "cores" 列中查看执行器核心（=执行器插槽）的数量 [= =60=] 那里：
1"local mode"个集群只有一个executor，是Databricks社区版可用的集群
查询人数slots/cores/threads
如何从笔记本中查询这个号码，我不确定。
spark.conf.get('spark.executor.cores')
结果 java.util.NoSuchElementException: spark.executor.cores
我正在学习教程 Using Apache Spark 2.0 to Analyze the City of San Francisco's Open Data，其中声称 Databricks "Community Edition" 中可用的 "local mode" Spark 集群为您提供了 3 个执行程序插槽。 （所以 3 个任务应该能够同时 运行。）
但是，当我在自己的 Databricks "Community Edition" 笔记本中查看具有多个任务的作业阶段的 "Event Timeline" 可视化时，看起来多达 8 个任务 运行ning同时：
有没有办法从 PySpark 或 Databricks notebook 查询执行程序插槽的数量？或者我可以直接在 Spark UI 某处看到数字吗？
Databricks "slots" = Spark "cores" = 可用线程
"Slots" 是 Databricks 使用（或使用？）表示 可用线程 为 Spark 执行并行工作的术语。 Spark 文档和 Spark UI 调用相同的概念 "cores"，即使它们与物理 CPU 内核无关。
（参见 this answer on Hortonworks community, and this "Spark Tutorial: Learning Apache Spark" databricks notebook。）
Spark UI（在 Databricks 上）slots/cores/threads 的查看数量
要查看您的 Databricks 集群中有多少个，请单击左侧导航区域中的 "Clusters"，然后将鼠标悬停在您的集群条目上并单击 "Spark UI" link.在 Spark UI 中，单击 "Executors" 选项卡。
您可以在摘要和每个执行器 1 的 "cores" 列中查看执行器核心（=执行器插槽）的数量 [= =60=] 那里：
1"local mode"个集群只有一个executor，是Databricks社区版可用的集群
查询人数slots/cores/threads
如何从笔记本中查询这个号码，我不确定。
spark.conf.get('spark.executor.cores')
结果 java.util.NoSuchElementException: spark.executor.cores