Spark独立服务器为应用程序使用简单的FIFO调度程序。默认情况下，每个应用程序都使用群集中的所有可用节点。每个应用程序，每个用户或全局可以限制节点数。其他资源，例如内存，cpus等，可以通过应用程序的SparkConf对象进行控制。
Apache Mesos具有主进程和从属进程。主服务器向应用程序提供资源（在Apache
Mesos中称为框架），该资源可以接受也可以不接受。因此，要求可用资源和正在运行的作业由应用程序本身确定。Apache
Mesos允许对系统中的资源（例如cpus，内存，磁盘和端口）进行细粒度的控制。Apache
Mesos还提供了资源的过程控制控制，Spark会为每个执行器预先分配固定数量的CPU，直到应用程序退出时才释放这些CPU。请注意，在同一群集中，可以将某些应用程序设置为使用细粒度控制，而将其他应用程序设置为使用过程细粒度控制。
Apache Hadoop
YARN的ResourceManager由两部分组成：调度程序和ApplicationsManager。调度程序是可插入的组件。提供了两种实现方式：CapacityScheduler（在一个以上的组织共享的集群中有用）和FairScheduler（确保所有应用程序平均获得相等数量的资源）。两个调度程序都将应用程序分配给一个队列，每个队列都获得在它们之间平均共享的资源。在队列中，资源在应用程序之间共享。ApplicationsManager负责接受作业提交并启动特定于应用程序的ApplicationsMaster。在这种情况下，ApplicationsMaster是Spark应用程序。在Spark应用程序中，资源是在应用程序的SparkConf对象中指定的。
对于您的情况，仅使用独立的情况是不可能的，可能会有一些前提解决方案，但我没有面对
