Python 使用Apache.Spark管理任务的数量好吗？

我开发了新的python应用程序。它由两部分组成：服务器和工人。服务器必须启动任务并管理程序的整个生命周期。Worker是应用程序，它能够完成一项任务

---

我想使用ApacheSpark。这是管理任务的正确方法吗？如果没有，我应该使用什么样的软件来管理任务？

我不知道您想做什么，但听起来Apache Spark不是正确的选择。这是一个分布式计算系统，不是任务管理器。查看它的文档，了解它是什么：

我阅读文档并查看屏幕广播。我知道，Spark是一个分布式计算系统。但是，根据这一点，我的应用程序可能会使用Spark作为任务管理器，不是吗？如果你想管理Spark任务，那么是的。所以，我的问题有道理。如果我的工作人员是一个解析器，那就很好地考虑，那个工人是火花任务吗？不，你的工人不是一个火花任务。对不起，为什么不呢？我的解析器是独立的应用程序。我有一个解析器集群（每个解析器部署到唯一的服务器）。