1. 大缰晓spark支持多大内存卡
支持存储卡类型，Micro SD卡
最大支持128 GB容量，写入速度≥15 MB/s，传输速度为Class 10及以上或达到UHS-1评级的Micro SD卡
2. Spark会把数据都载入到内存么
1、理论上某个MapPartitionsRDD里实际在内存里的数据等于其Partition的数目，是个非常小的数值。
2、HadoopRDD则会略多些，因为属于数据源，读取文件，假设读取文件的buffer是1M，那么最多也就是partitionNum*1M 数据在内存里
3、saveAsTextFile也是一样的，往HDFS写文件，需要buffer，最多数据量为 buffer* partitionNum所以整个过程其实是流式的过程，一条数据被各个RDD所包裹的函数处理。
3. spark注册临时表占用内存吗
不会，spark临时表不会占用额外内存，可以理解为是对内存空间重新命名了一下而已。
4. Spark 分布式内存计算 是什么
Spark是UC Berkeley AMP lab所开源的类Hadoop MapRece的通用的并行计算框架，Spark基于map rece算法实现的分布式计算.Spark是基于内存的迭代计算框架，适用于需要多次操作特定数据集的应用场合。需要反复操作的次数越多，所需读取的数据量越大，受益越大，数据量小但是计算密集度较大的场合，受益就相对较小。
5. spark处理数据如何用服务器内存
RDD通过persist方法或cache方法可以将前面的计算结果缓存，但是并不是这两个方法被调用时立即缓存，而是触发后面的action时，该RDD将会被缓存在计算节点的内存中，并供后面重用。通过查看源码发现cache最终也是调用了persist方法，默认的存储级别都是仅在内存存储一份，Spark的存储级别还有好多种，存储级别在object StorageLevel中定义的。缓存有可能丢失，或者存储存储于内存的数据由于内存不足而被删除，RDD的缓存容错机制保证了即使缓存丢失也能保证计算的正确执行。通过基于RDD的一系列转换，丢失的数据会被重算，由于RDD的各个Partition是相对独立的，因此只需要计算丢失的部分即可，并不需要重算全部Partition。
拓展资料：Spark是一种安全的、经正式定义的编程语言，被设计用来支持一些安全或商业集成为关键因素的应用软件的设计。其通过运行用户定义的main函数，在集群上执行各种并发操作和计算Spark提供的最主要的抽象，Spark的正式和明确的定义使得多种静态分析技术在Spark源代码的应用中成为可能。
6. 用linux操作spark要多少内存
我有64内存，spark设置了40G；这个是自己根据需求设定的；
spark-env.sh中的这三个参数都设置一下，是内存、cpu的关系
export SPARK_EXECUTOR_INSTANCES=1
export SPARK_EXECUTOR_MEMORY=40G
export SPARK_EXECUTOR_CORES=14
7. 飞利浦spark内存！
机内本身的软件要占一些，再就是这种MLC FLASH技术，它要预留一些空间作为wear leveling用，所以，能给用户使用的空间会少一些，3.6GB算正常的。
8. 最近想学习一下关于大数据spark方面的东西，在搭建整个spark环境时，对电脑的配置要求是什么
如果只是学习基本概念和算子，对配置要求不太高，搭一个伪分布式或者直接local模式就行；
如果真要拿来处理大量数据，内存小了是不行的，spark很吃内存的。