CC00094.spark——|Hadoop&Spark.V10|——|Spark.v10|Spark 原理 源码|作业执行原理&调度策略|

一、作业执行原理

### --- 调度策略

~~~     TaskScheduler会先把 DAGScheduler 给过来的 TaskSet 封装成 TaskSetManager 扔到任务队列里，
~~~     然后再从任务队列里按照一定规则把它们取出来，由 SchedulerBackend 发送给Executor运行；

### --- TaskScheduler

~~~     TaskScheduler 以树的方式来管理任务队列，树中的节点类型为 Schedulable，
~~~     叶子节点为TaskSetManager，非叶子节点为Pool：
~~~     TaskScheduler 支持两种调度策略：FIFO(默认调度策略)、FAIR。

二、作业执行原理

### --- FIFO 调度策略

~~~     FIFO调度策略，TaskSetManager 按照到来的先后次序进入队列；
~~~     出队时直接拿最先进入队列的 TaskSetManager。
~~~     FIFO调度策略是默认模式，在此模式下，只有一个 TaskSetManager 池。

### --- Fair 调度策略

~~~     Fair 模式中有一个 rootPool 和多个子 Pool，各个子 Pool 中存储着所有待分配的 TaskSetManager ；
~~~     在 Fair 模式中，需要先对子 Pool 进行排序，
~~~     再对子 Pool 里面的 TaskSetManager 进行排序，因为Pool和
~~~     TaskSetManager 都继承了 Schedulable trait，因此可使用相同的排序算法；

### --- 每个要排序的对象包含三个属性:

~~~     runningTasks值(正在运行的Task数)
~~~     minShare值(时间)
~~~     weight值(权重)
~~~     比较时会综合考量 runningTasks 值，minShare 值以及 weight 值。
~~~     备注：minShare、weight的值在配置文件 fairscheduler.xml 中被指定。
~~~     调度池在构建阶段会先读取 fairscheduler.xml ($SPARK_HOME/conf)文件的相关配置，

### --- 然后进行比较：

~~~     如果A对象的 runningTasks > minShare，B对象的 runningTasks < minShare，
~~~     那么B排在A前面；(runningTasks比minShare小的先执行)
~~~     如果A、B对象的 runningTasks < minShare，
~~~     么就比较 runningTasks 与 minShare 的比值，谁小谁排前面；(使用率低的先执行)
~~~     如果A、B对象的 runningTasks > minShare，
~~~     那么就比较runningTasks与weight的比值(权重使用率)，谁小谁排前面。(权重使用率低的先执行)
~~~     如果上述比较均相等，则比较名字
~~~     整体上来说就是通过 minShare 和 weight 这两个参数控制比较过程，
~~~     做到让 minShare 使用率和权重使用率少(实际运行task比例较少)的先运行。
~~~     FAIR模式排序完成后，所有的 TaskSetManager 被放入一个 ArrayBuffer 里，
~~~     之后依次被取出并发送给 Executor执行。
~~~     从调度队列中拿到 TaskSetManager 后，由于 TaskSetManager 封装了一个 Stage 的所有 Task，
~~~     并负责管理调度这些 Task，
~~~     那么接下来的工作就是 TaskSetManager 按照一定的规则一个个取出 Task 
~~~     给 TaskScheduler，TaskScheduler 再交给 SchedulerBackend ，最终分发到Executor上执行。