深入理解spark－taskScheduler，schedulerBackend源码分析

 

上次分析了dagshceduler是如何将任务拆分成job，stage，task的，但是拆分后的仅仅是一个逻辑结果，保存为一个resultstage对象，并没执行；

而将任务正在执行的是spark的taskscheduler模块和shcedulerbackend模块，

taskcheduler模块负责task的调度，schedulerbackend负责task的自愿申请，这两个结合比价紧密，实现也是在一起实现的；

 

点开sparkcontext的内部属性，可以看到taskscheduler的的对象（org.apache.spark.scheduler.TaskScheduler）是一个trait（Scala的叫法，简单的理解为类似于java的interface），这是因为task的提交方式有多种，可以是yarn－client模式，也可以是yarn－cluster模型，这取决于提交spark提交时候设置的参数master。

master设置不同，最终实现的也不同，当是yarn－client模式的时候，task实现方式则是yarnscheduler。

同样的schedulerbackend也是一个trait，具体的实现也是根据spark.master来决定，如果是yarn－client模式，实现则是yarnclientschedulerbackend。

 

具体看一下代码实现：

SparkContext#createTaskScheduler

sparkcontext中调用createtaskscheduler，根据master来决定生成的实际类型，taskscheduler，schedulerbackend

val (sched , ts) = SparkContext.createTaskScheduler(this, master) // 这里的master是"spark.master"参数的值，String类型
_schedulerBackend = sched//生成 schedulerBackend
_taskScheduler = ts//生成 taskScheduler
_taskScheduler .start()

 

进入到createtaskscheduler方法中，具体实现根据事master的模型，有yarn－client，yarn－cluster，local等；

我们只看yarn－client模式（平常用的比较多的时候，yarn－client模式的时候，driver在客户端，那么输出的日志也会在本地可以查看，yarn－cluster模式下driver是在资源管理器下的，首先日志不太方便查看），可以看到内部实现是根据match case来实现匹配的。yarn－clent模式下，schedulerbackend实现org.apache.spark.scheduler.cluster.YarnClientSchedulerBackend，taskscheduler 实现org.apache.spark.scheduler.cluster.YarnScheduler；

 case "yarn-client" =>
        val scheduler = try {
          val clazz = Utils.classForName("org.apache.spark.scheduler.cluster.YarnScheduler")
          val cons = clazz.getConstructor(classOf[SparkContext])
          cons.newInstance(sc).asInstanceOf[TaskSchedulerImpl]

        } catch {
          case e: Exception => {
            throw new SparkException("YARN mode not available ?", e)
          }
        }

        val backend = try {
          val clazz =
            Utils.classForName("org.apache.spark.scheduler.cluster.YarnClientSchedulerBackend")
          val cons = clazz.getConstructor(classOf[TaskSchedulerImpl], classOf[SparkContext])
          cons.newInstance(scheduler, sc).asInstanceOf[CoarseGrainedSchedulerBackend]
        } catch {
          case e: Exception => {
            throw new SparkException("YARN mode not available ?", e)
          }
        }

        scheduler.initialize(backend)
        (backend, scheduler)

 

在根据master获得了实际调度类型之后，并没有马上返回，而是调用了scheduler.initizlize(backend)

TaskSchedulerImpl#initialize

在这个方法中，可以看到是根据spark的调度模式初始化一个调度池，这里可以看到spark有两种调度模式（FIFO，FAIR两种模式）；

def initialize(backend: SchedulerBackend) {
    this.backend = backend
    // temporarily set rootPool name to empty 这里可以看到调度池初始化最小设置为0
    rootPool = new Pool("", schedulingMode, 0, 0)
    schedulableBuilder = {
      schedulingMode match {
        case SchedulingMode.FIFO =>
          new FIFOSchedulableBuilder(rootPool)
        case SchedulingMode.FAIR =>
          new FairSchedulableBuilder(rootPool, conf)
      }
    }
    schedulableBuilder.buildPools()
  }

 

完成后会返回实际类型，然后启动taskscheduler.start()

 

启动了之后根据DAGscheduler提交的stage的类型，shufflestage还是resultstage去不同的执行：

TaskScheduler＃submitTasks

 

未完待续.....

 

转载于:https://www.cnblogs.com/yankang/p/9782632.html