根据我的理解，当yarn基于spark配置ask分配容器时，yarn会自动将容器大小以“yarn.scheduler.minimum allocation mb”的倍数进行取整。
例如，
yarn.scheduler.minimum-allocation-mb:2 gb
spark.executor.memory:4 gb内存
spark.yarn.executor.memoryoverhead:384 mb
spark executor内存ask to yarn的总容量为[4 gb+384 mb]=4.384 gb
spark向yarn发出4.384 gb容器大小的请求，但是yarn以2 gb的倍数分配大小的容器（yarn.scheduler.minimum allocation mb），因此在本例中，它返回大小为6 gb的容器（四舍五入4.384到6）。因此，spark executor jvm在容器中以6gb大小启动。
因此，原来的spark executor内存ask为4.384gb，而分配的内存为6gb
执行器大小增量=6-4.384 gb=1.6 gb
我的问题是，据我所知，每个spark executor的总内存增加了1.6gb，其中包括executor内存和开销内存，spark executor的总内存增加了1.6gb。是spark.yarn.executor.memoryoverhead（还是）spark.executor.memory？spark如何使用由于Yarn聚集而接收到的额外内存？