请教大数据spark专业问题？

询问spark问题：如何设计集群规模？spark mysql读取数据是在driver端还是executor端？spark streaming每批次处理多少条数据？spark sql统计是的时候多次分组会产生shuffle，解决的方法是重分区后再计算，这种为什么会降低计算消耗？spark streaming消费kafka，如果消费不过来怎么处理？