TaskScheduler分配算法和源码_taskscheduler 实现逻辑-CSDN博客

本文链接：https://blog.csdn.net/zxr717110454/article/details/80645618

本文深入分析了Spark的TaskSchedulerImpl在standalone模式下的任务调度过程。从DAGScheduler提交TaskSet开始，探讨TaskSchedulerImpl的submitTasks方法作为任务提交入口，然后详细阐述了如何通过resourceOffers方法执行任务分配算法，将任务分配到Executor上，并通过launchTasks方法发送LaunchTask消息给Executor，最终启动并执行任务。整个流程涉及StandaloneSchedulerBackend、CoarseGrainedSchedulerBackend和Executor资源管理。

摘要由CSDN通过智能技术生成

TaskScheduler是一个trait，这里以standalone模式下的TaskSchedulerImpl来分析。

上面文章最后说，DAGScheduler把stage中的task封装成TaskSet，调用TaskSchedulerImpl的submitTasks方法。

我们就从这个方法着手来分析TaskSchedulerImpl，这个方法可以理解为提交任务的入口。

override def submitTasks(taskSet: TaskSet) {
  val tasks = taskSet.tasks
  logInfo("Adding task set " + taskSet.id + " with " + tasks.length + " tasks")
  this.synchronized {
    //给每个taskSet都会创建一个TaskSetManager（在后面会负责它的那个taskSet的任务执行状况的监视和管理。在TaskSchedulerImpl
    中，对一个单独的TaskSet任务进行调度。这个类负责追踪每一个task，如果task失败的话，会负责重试task，直到超过重试的次数限制
    并且会通过延迟调度，为这个TaskSet处理本地化调度机制。他的主要接口是resourceOffer，在这个接口中，TaskSet会希望在一个节点
    上运行一个任务，并且接受任务的状态改变消息，来直到它负责的task的状态改变了。）
    val manager = createTaskSetManager(taskSet, maxTaskFailures)
    val stage = taskSet.stageId
    val stageTaskSets =
      taskSetsByStageIdAndAttempt.getOrElseUpdate(stage, new HashMap[Int, TaskSetManager])
    //加入内存缓存
    stageTaskSets(taskSet.stageAttemptId) = manager
    val conflictingTaskSet = stageTaskSets.exists { case (_, ts) =>
      ts.taskSet != taskSet && !ts.isZombie
    }
    if (conflictingTaskSet) {
      throw new IllegalStateException(s"more than one active taskSet for stage $