創建與分配Executor的方式根據各種資源調度方式的不同而有差異，但拿到Executor后每種資源調度方式下的Executor的運作都一樣，並由Executor完成最終的計算
Task在Executor中執行時涉及到依賴環境的創建和分發、任務執行、任務結果的處理、Driver端的處理（書中有詳細介紹，但和前面Scheduler感覺有重復部分）
Executor的工作參數設置：
spark.executor.memory：
配置Executor最多使用的內存大小，原理是設置Executor的JVM Heap尺寸實現。由於內存資源有限，此參數設置過大會導致部分任務分配不到資源，設置過小會產生頻繁的垃圾回收和讀寫磁盤
每個Executor可以支持的Task數量取決於持有的CPU core的數量
准確評估數據集，要看在BlockManager的日志中的RDD cache，每個cache分區大小
內存比較緊張時，可以合理規划分區任務的數據規模，如增加分區數可增加任務數，減小每個任務的處理量
日志相關：
spark.eventLog.enabled設置為true打開日志保存到本地，方便調試和追蹤問題，但日志需要定時清理，清理策略可以設置：
spark.executor.heartbeatInterval：
Executor和Driver的心跳間隔，就是匯報運行和統計信息的間隔