專案經理常常苦於沒有資源做事，需求已經理清楚了，甚至客戶也簽字確認了。申請資源做事的時候卻碰到各種各樣的困難，要麼人手不足，要麼能力不夠，要麼頻繁延期，要麼質量很差，各種奇怪的現象頻出，煩不勝煩。
問題究竟出在**？
資源為什麼不足？資源掌控在誰的手裡？為什麼會掌控在這些人的手裡？資源為什麼不在你的手裡？資源的背後是什麼？如何獲得資源的掌控權？
我們都知道，老闆通常擁有資源的絕對調動權，因為公司就是老闆的，老闆得給大家發工資。
資源的背後站著的是責任，是資源投入以後變現的責任，是達成目標的責任，是回款的責任。
資源調不動，本質是專案經理無法對需求負責，無法為資源的投入負責。典型表現為需求頻繁變更，驗收一再延期，專案經理除了表現得很無奈，好像別無他法。設想一下，如果資源的投入是專案經理自己出錢，專案經理會如何對待需求呢？會如何對待資源的投入呢？會如何對待資源的變現呢？
老闆如果不給員工發工資，老闆也無法調動資源。如果專案經理遲遲無法驗收，無法達成付款條件，與老闆遲遲不給員工發工資又有什麼區別呢？又如何能調得動資源呢？
還是不要去抱怨外部因素，當資源調不動時，好好想一想，如果這些資源的費用是你掏時，你還願意投入嗎？如果不願意，還是好好想想問題到底出在**，從自身去想。
Spark Spark調優 資源調優
spark在乙個executor的記憶體分為三塊，1.一塊是execution記憶體 2.一塊是storge 記憶體 3.一塊是其他記憶體 執行記憶體是執行記憶體，加入，聚合都是在這部分記憶體中執行.shuffle的資料也會先快取在這個記憶體中，滿了再寫入磁碟，能減少io，其實地圖過程也是在這個記憶...
spark 資源引數調優
了解完了spark作業執行的基本原理之後，對資源相關的引數就容易理解了。所謂的spark資源引數調優，其實主要就是對spark執行過程中各個使用資源的地方，通過調節各種引數，來優化資源使用的效率，從而提公升spark作業的執行效能。以下引數就是spark中主要的資源引數，每個引數都對應著作業執行原理...
Yarn的資源調優
每個job提交到yarn上執行時，都會分配container容器去執行，而這個容器需要資源才能執行，這個資源就是cpu和記憶體。1 cpu資源排程 目前的cpu被yarn劃分為虛擬cpu，這是yarn自己引入的概念，因為每個伺服器的cpu計算能力不一樣，有的機器可能是 其他機器的計算能力的2倍，然後...