1. 大韁曉spark支持多大內存卡
支持存儲卡類型，Micro SD卡
最大支持128 GB容量，寫入速度≥15 MB/s，傳輸速度為Class 10及以上或達到UHS-1評級的Micro SD卡
2. Spark會把數據都載入到內存么
1、理論上某個MapPartitionsRDD里實際在內存里的數據等於其Partition的數目，是個非常小的數值。
2、HadoopRDD則會略多些，因為屬於數據源，讀取文件，假設讀取文件的buffer是1M，那麼最多也就是partitionNum*1M 數據在內存里
3、saveAsTextFile也是一樣的，往HDFS寫文件，需要buffer，最多數據量為 buffer* partitionNum所以整個過程其實是流式的過程，一條數據被各個RDD所包裹的函數處理。
3. spark注冊臨時表佔用內存嗎
不會，spark臨時表不會佔用額外內存，可以理解為是對內存空間重新命名了一下而已。
4. Spark 分布式內存計算 是什麼
Spark是UC Berkeley AMP lab所開源的類Hadoop MapRece的通用的並行計算框架，Spark基於map rece演算法實現的分布式計算.Spark是基於內存的迭代計算框架，適用於需要多次操作特定數據集的應用場合。需要反復操作的次數越多，所需讀取的數據量越大，受益越大，數據量小但是計算密集度較大的場合，受益就相對較小。
5. spark處理數據如何用伺服器內存
RDD通過persist方法或cache方法可以將前面的計算結果緩存，但是並不是這兩個方法被調用時立即緩存，而是觸發後面的action時，該RDD將會被緩存在計算節點的內存中，並供後面重用。通過查看源碼發現cache最終也是調用了persist方法，默認的存儲級別都是僅在內存存儲一份，Spark的存儲級別還有好多種，存儲級別在object StorageLevel中定義的。緩存有可能丟失，或者存儲存儲於內存的數據由於內存不足而被刪除，RDD的緩存容錯機制保證了即使緩存丟失也能保證計算的正確執行。通過基於RDD的一系列轉換，丟失的數據會被重算，由於RDD的各個Partition是相對獨立的，因此只需要計算丟失的部分即可，並不需要重算全部Partition。
拓展資料：Spark是一種安全的、經正式定義的編程語言，被設計用來支持一些安全或商業集成為關鍵因素的應用軟體的設計。其通過運行用戶定義的main函數，在集群上執行各種並發操作和計算Spark提供的最主要的抽象，Spark的正式和明確的定義使得多種靜態分析技術在Spark源代碼的應用中成為可能。
6. 用linux操作spark要多少內存
我有64內存，spark設置了40G；這個是自己根據需求設定的；
spark-env.sh中的這三個參數都設置一下，是內存、cpu的關系
export SPARK_EXECUTOR_INSTANCES=1
export SPARK_EXECUTOR_MEMORY=40G
export SPARK_EXECUTOR_CORES=14
7. 飛利浦spark內存！
機內本身的軟體要佔一些，再就是這種MLC FLASH技術，它要預留一些空間作為wear leveling用，所以，能給用戶使用的空間會少一些，3.6GB算正常的。
8. 最近想學習一下關於大數據spark方面的東西，在搭建整個spark環境時，對電腦的配置要求是什麼
如果只是學習基本概念和運算元，對配置要求不太高，搭一個偽分布式或者直接local模式就行；
如果真要拿來處理大量數據，內存小了是不行的，spark很吃內存的。