一、Task调度
### --- Task调度
### --- TaskSetManager 结构如下图所示:
~~~ Task 的调度是由 TaskScheduler 来完成(底层调度)。
~~~ DAGScheduler 将 Stage 打包到 TaskSet 交给TaskScheduler,
~~~ TaskScheduler 会将 TaskSet 封装为TaskSetManager 加入到调度队列中,
![](https://i-blog.csdnimg.cn/blog_migrate/a3e34828e78a0c51a29b6d4ac5955955.png)
### --- TaskSetManager
### --- 大致方法调用流程如下图所示:
~~~ TaskSetManager 负责监控管理同一个 Stage 中的 Tasks,
~~~ TaskScheduler 以 TaskSetManager 为单元来调度任务。
~~~ TaskScheduler 初始化后会启动 SchedulerBackend。(在 SparkContext 源码中)
~~~ SchedulerBackend负责跟外界打交道,接收 Executor 的注册,维护 Executor 的状态。
~~~ SchedulerBackend 是管“资源”(Executor)的,
~~~ 它在启动后会定期地去“询问” TaskScheduler 有没有任务要运行。
~~~ TaskScheduler 在 SchedulerBackend “问”它的时候,
~~~ 会从调度队列中按照指定的调度策略选择 TaskSetManager 去调度运行,
![](https://i-blog.csdnimg.cn/blog_migrate/4896af634a8187fbd8979ee913a984fb.png)
### --- TaskSetManager加入rootPool调度池
~~~ 将 TaskSetManager 加入 rootPool 调度池中之后,
~~~ 调用 SchedulerBackend 的 reviveOffers 方法给driverEndpoint发送 ReviveOffer 消息;
~~~ driverEndpoint 收到 ReviveOffer 消息后调用 makeOffers 方法,
~~~ 过滤出活跃状态的Executor(这些 Executor都是任务启动时反向注册到 Driver 的 Executor),
~~~ 然后将 Executor 封装成 WorkerOffer对象 ; 准备好计算资源(WorkerOffer)后 ,
~~~ taskScheduler 基于这些资源调resourceOffer 在 Executor 上分配 task。
二、源码提取说明
### --- submitTasks
~~~ # 源码提取说明:TaskSchedulerImpl.scala
~~~ # 199行~239行
// 处理传入的TaskSet
override def submitTasks(taskSet: TaskSet) {
// 获取TaskSet中的所有Task
val tasks = taskSet.tasks
logInfo("Adding task set " + taskSet.id + " with " + tasks.length + " tasks")
this.synchronized {
// 创建TaskSetManager
val manager = createTaskSetManager(taskSet, maxTaskFailures)
// TaskSet的Stage
val stage = taskSet.stageId
// 更新taskSetsByStageIdAndAttempt中记录的推测执行信息
val stageTaskSets =
taskSetsByStageIdAndAttempt.getOrElseUpdate(stage, new HashMap[Int, TaskSetManager])
stageTaskSets(taskSet.stageAttemptId) = manager
// 判断是否有冲突的TaskSet,taskSetsByStageIdAndAttempt中不应该存在同属于当前Stage,但是
TaskSet却不相同的情况
val conflictingTaskSet = stageTaskSets.exists { case (_, ts) => ts.taskSet != taskSet && !ts.isZombie
}
if (conflictingTaskSet) {
throw new IllegalStateException(s"more than one active taskSet for stage $stage:" +
s" ${stageTaskSets.toSeq.map{_._2.taskSet.id}.mkString(",")}")
}
// 将刚创建的TaskSetManager添加到调度池构建器的调度池中
schedulableBuilder.addTaskSetManager(manager, manager.taskSet.properties)
if (!isLocal && !hasReceivedTask) { // 当前应用程序不是Local模式并且TaskSchedulerImpl还没有
接收到Task
// 设置检查TaskSchedulerImpl的饥饿状况的定时器
starvationTimer.scheduleAtFixedRate(new TimerTask() {
// 定时检查TaskSchedulerImpl的饥饿状况
override def run() {
if (!hasLaunchedTask) {
logWarning("Initial job has not accepted any resources; " +
"check your cluster UI to ensure that workers are registered " +
"and have sufficient resources")
} else {
// 当TaskSchedulerImpl已经运行Task后,取消此定时器
this.cancel()
}
}
}, STARVATION_TIMEOUT_MS, STARVATION_TIMEOUT_MS)
}
// 表示TaskSchedulerImpl已经接收到Task
hasReceivedTask = true
}
// 给Task分配资源并运行Task
backend.reviveOffers()
}
### --- makeOffers
private def makeOffers(executorId: String) {
// Filter out executors under killing
// 先判断Executor是否是激活的
if (executorIsAlive(executorId)) {
// 获取对应的ExecutorData对象
val executorData = executorDataMap(executorId)
// 创建WorkerOffer样例类对象
val workOffers = IndexedSeq(
new WorkerOffer(executorId, executorData.executorHost, executorData.freeCores))
// 分配资源并运行Task
launchTasks(scheduler.resourceOffers(workOffers))
}
}
### --- resourceOffers
~~~ # 源码提取说明:TaskSchedulerImpl.scala
~~~ # 358行~508行
// 用于给Task分配资源
def resourceOffers(offers: IndexedSeq[WorkerOffer]): Seq[Seq[TaskDescription]] = synchronized {
// Mark each slave as alive and remember its hostname
// Also track if new executor is added
var newExecAvail = false
// 遍历WorkerOffer序列
for (o <- offers) {
// 先将资源中的主机记录更新到hostToExecutors字典中
if (!hostToExecutors.contains(o.host)) {hostToExecutors(o.host) = new HashSet[String]()
}
// 更新Host与Executor的各种映射关系
if (!executorIdToRunningTaskIds.contains(o.executorId)) { // 说明Executor是新添加的
hostToExecutors(o.host) += o.executorId
/**
* 向DAGScheduler的DAGSchedulerEventProcessLoop投递ExecutorAdded事件
* 告知有新的Executor添加了
*/
executorAdded(o.executorId, o.host)
executorIdToHost(o.executorId) = o.host
executorIdToRunningTaskIds(o.executorId) = HashSet[Long]()
// 标记添加了新的Executor
newExecAvail = true
}
// 更新Host与机架之间的关系
for (rack <- getRackForHost(o.host)) {hostsByRack.getOrElseUpdate(rack, new HashSet[String]()) += o.host
}
}
// Randomly shuffle offers to avoid always placing tasks on the same set of workers.
// 随机洗牌,避免将任务总是分配给同样一组Worker
val shuffledOffers = Random.shuffle(offers)
// Build a list of tasks to assign to each worker.
/**
* 根据每个WorkerOffer的可用的CPU核数创建同等尺寸的TaskDescription数组
* 从这里可以看出,每个CPU Core只供给一个Task使用
*/
val tasks = shuffledOffers.map(o => new ArrayBuffer[TaskDescription](o.cores))
// 统计每个Worker的可用的CPU核数
val availableCpus = shuffledOffers.map(o => o.cores).toArray
// 对rootPool中所有TaskSetManager按照调度算法排序
val sortedTaskSets = rootPool.getSortedTaskSetQueue
// 遍历所有的TaskSetManager,如果有新的Executor添加就告诉它们,它们会重新计算支持的本地性级别。
for (taskSet <- sortedTaskSets) {
logDebug("parentName: %s, name: %s, runningTasks: %s".format(
taskSet.parent.name, taskSet.name, taskSet.runningTasks))
if (newExecAvail) {
// 通知有新的Executor添加了,以触发TaskSetManager重新计算TaskSet的本地性
taskSet.executorAdded()
}
}
// Take each TaskSet in our scheduling order, and then offer it each node in increasingorder
// of locality levels so that it gets a chance to launch local tasks on all of them.
// NOTE: the preferredLocality order: PROCESS_LOCAL, NODE_LOCAL, NO_PREF, RACK_LOCAL,ANY
/**
* 遍历TaskSetManager,
* 在单个TaskSetManager中,按照最大本地性的原则(即从高本地性级别到低本地性级别)
* 调用resourceOfferSingleTaskSet()方法,给单个TaskSet中的Task提供资源
*/
for (taskSet <- sortedTaskSets) { // 循环根据调度算法排好序的待执行Task
var launchedAnyTask = false
var launchedTaskAtCurrentMaxLocality = false
// 对单个TaskSetManager,遍历它所支持的的本地化级别,按照最大本地性的原则,给Task提供资源
for (currentMaxLocality <- taskSet.myLocalityLevels) {
do {
/**
* 调用resourceOfferSingleTaskSet()方法为单个TaskSetManager分配资源,
* 最终分配到资源的Task对应的TaskDescription会被放入到tasks数组中,
* 返回值表示是否有Task被分配了资源
*/
launchedTaskAtCurrentMaxLocality = resourceOfferSingleTaskSet(
taskSet, currentMaxLocality, shuffledOffers, availableCpus, tasks)
launchedAnyTask |= launchedTaskAtCurrentMaxLocality
} while (launchedTaskAtCurrentMaxLocality)
}
// 如果在任何TaskSet所允许的本地性级别下,TaskSet中没有任何一个任务获得了资源
if (!launchedAnyTask) {
// 调用TaskSetManager的abortIfCompletelyBlacklisted方法,放弃在黑名单中的Task。
taskSet.abortIfCompletelyBlacklisted(hostToExecutors)
}
}
if (tasks.size > 0) {
hasLaunchedTask = true
}
// 返回已经获得了资源的TaskDescription列表
return tasks
}
private def computeValidLocalityLevels(): Array[TaskLocality.TaskLocality] = {
// 导入本地化级别的标量
import TaskLocality.{PROCESS_LOCAL, NODE_LOCAL, NO_PREF, RACK_LOCAL, ANY}
// 构造一个数组
val levels = new ArrayBuffer[TaskLocality.TaskLocality]
if (!pendingTasksForExecutor.isEmpty && // Executor上待处理Task集合不为空
getLocalityWait(PROCESS_LOCAL) != 0 && // PROCESS_LOCAL级别的等待时间不为0
pendingTasksForExecutor.keySet.exists(sched.isExecutorAlive(_))) { // 还存在已被激活的Executor
levels += PROCESS_LOCAL // 允许的本地性级别里包括PROCESS_LOCAL
}
if (!pendingTasksForHost.isEmpty && // Host上待处理的Task集合不为空
getLocalityWait(NODE_LOCAL) != 0 && // NODE_LOCAL级别的等待时间不为0
pendingTasksForHost.keySet.exists(sched.hasExecutorsAliveOnHost(_))) { // Host上存在已被激活的Executor
levels += NODE_LOCAL // 允许的本地性级别里包括NODE_LOCAL
}
if (!pendingTasksWithNoPrefs.isEmpty) { // 存在没有任何本地性偏好的待处理Task
levels += NO_PREF // 允许的本地性级别里包括NO_PREF
}
if (!pendingTasksForRack.isEmpty && // 机架上待处理的Task的集合不为空
getLocalityWait(RACK_LOCAL) != 0 && // RACK_LOCAL级别的等待时间不为0
pendingTasksForRack.keySet.exists(sched.hasHostAliveOnRack(_))) { // 机架上存在已被激活的Executor
levels += RACK_LOCAL // 允许的本地性级别里包括RACK_LOCAL
}
levels += ANY // 允许的本地性级别里增加ANY
logDebug("Valid locality levels for " + taskSet + ": " + levels.mkString(", "))
levels.toArray // 返回所有允许的本地性级别
}
### --- launchTasks
private def launchTasks(tasks: Seq[Seq[TaskDescription]]) {
for (task <- tasks.flatten) {
// 对TaskDescription进行序列化
val serializedTask = ser.serialize(task)
if (serializedTask.limit >= maxRpcMessageSize) { // 序列化后的大小超出了Rpc消息的限制
// 从TaskSchedulerImpl的taskIdToTaskSetManager中找出Task对应的TaskSetManager
scheduler.taskIdToTaskSetManager.get(task.taskId).foreach { taskSetMgr =>
try {
var msg = "Serialized task %s:%d was %d bytes, which exceeds max allowed: " +
"spark.rpc.message.maxSize (%d bytes). Consider increasing " +
"spark.rpc.message.maxSize or using broadcast variables for large values."
msg = msg.format(task.taskId, task.index, serializedTask.limit, maxRpcMessageSize)
// 放弃对TaskSetManager的调度
taskSetMgr.abort(msg)
} catch {
case e: Exception => logError("Exception in error callback", e)
}
}
}
else { // 序列化后的TaskDescription的大小小于RPC消息大小的最大值maxRpcMessageSize
val executorData = executorDataMap(task.executorId)
// 减少Executor的空闲内核数freeCores
executorData.freeCores -= scheduler.CPUS_PER_TASK
logDebug(s"Launching task ${task.taskId} on executor id: ${task.executorId}
hostname: " +" +
"s"${executorData.executorHost}.")
// 向CoarseGrainedExecutorBackend发送LaunchTask消息。CoarseGrainedExecutorBackend将在收到LaunchTask消息后运行Task。
executorData.executorEndpoint.send(LaunchTask(new SerializableBuffer(serializedTask)))
}
}
}