在rm屏幕中，单击每个节点的http地址链接以转到每个节点管理器的web ui。
在那里，单击“工具”>“配置”，然后找到 yarn.nodemanager.resource.memory-mb 设置。这应该指示分配给该节点上的yarn nodemanager的内存量。
emr根据ec2示例类型以及是否安装了hbase来设置默认值。它们列在亚马逊的在线文档中：
您可以设置配置变量来优化mapreduce作业的性能。。。默认值根据集群中使用的节点的ec2示例类型而变化。hbase在使用amazon emr 4.6.0及更高版本时可用。安装hbase时使用不同的默认值。
另一个页面提供了几种改变emr集群默认值的方法。

emr上的spark内存是按Yarn分配的，因为emr不仅适用于Yarn应用，还可以有许多其他不使用Yarn的应用。因此，默认情况下，emr不允许将整个内存用于yarn，但它大约占emr示例的75%。看看这个和这个。
在第二个链接上，支持一个选项

Application Release label classification    Valid properties    When to use
Spark   spark   maximizeResourceAllocation  Configure executors to utilize the maximum resources of each node.

这就是你想要的。使用此选项，可以使用最大化的资源分配。以这种方式创建emr时设置此值。

[
  {
    "Classification": "spark",
    "Properties": {
      "maximizeResourceAllocation": "true"
    }
  }
]

aws也注意到了这种影响：
将maximizeresourceallocation属性设置为true或false。如果为true，amazon emr会根据集群硬件配置自动配置spark默认属性。