前言

在TODO这篇文章中，介绍了Spark RPC通信的基本流程。可以看到，Spark中的Driver通过Stage调度生成了物理执行计划，这个物理执行计划包括了所有需要运行的Task，以及，最关键的，这些Task希望运行的节点信息，我们叫做Locality Preference，即本地性偏好。
但是在Yarn的场景下，资源是以Executor(Container)为单位进行调度，整个Container的粒度与Task不一一对应，Container的生命周期与Task不一一对应。在这种场景下，动态资源调度的基本任务就是

• 根据这些Task以及Task的本地性偏好，向Yarn申请Container作为Executor以执行Task；这里最重要的，是在资源申请中表达出对应的Task的位置偏好。
• 在申请完资源以后，根据Task的本地性偏好，将Task调度到申请到的资源上面去。这里最重要的，是尽量满足Task的本地性偏好。

本文将详细讲解这个过程。
对于资源申请算法的基本流程，以及将Task和资源进行匹配的基本流程，本文都用实际例子进行讲解。

基于任务需求进行资源请求的整体过程

向Yarn请求资源是由客户端向ApplicationMaster申请，然后ApplicationMaster向Yarn发起请求的，而不是客户端直接向Yarn申请的。
资源是为了服务于Task的运行，Task的生成显然是Driver端负责的，Driver会根据物理执行计划生成的Task信息发送给ApplicationMaster，ApplicationMaster根据这些Task的相关信息进行资源申请。

ApplicationMaster启动以后，会有一个独立线程不断通过调用YarnAllocator.allocateResources()进行持续的资源更新(查看ApplicationMaster的launchReporterThread()方法)。这里叫资源更新，而不叫资源申请，因为这里的操作包括新的资源的申请，旧的无用的Container的取消，以及Blocklist Node的更新等多种操作。
总而言之，ApplicationMaster作为客户端和Yarn的中间方，其资源申请的方法allocateResource()在逻辑上的功能为：

1. 粒度转换: 将Task级别的资源请求，转换为Container(Executor级别的资源请求)。这是一个游戏到粗的粒度的转换。
2. 维度转换: Driver发过来的资源请求是资源的最终全局状态，而Yarn 的 API 要求的针对每一个Container进行增量请求。因此，allocateResources()会将Driver发送过来资源请求的最终状态，对比当前系统已经运行、分配未运行、已经发送请求但是还没有分配资源等等已经存在的状态，确定一个发送给Yarn的增量请求状态。这是一个全量到增量的维度的转换。
3. 角度转换: Driver发过来的每个Task都带有各自Task的Locality，而发送给Yarn的Container请求又是带有Locality需求的Container需求。这是一个从Task到Container的角度的转换。

ApplicationMaster端的allocateResources()方法的基本流程在代码YarnAllocator.allocateResources()中:

   ---------------------------------- YarnAllocator ------------------------------------def allocateResources(): Unit = synchronized {updateResourceRequests() // 与Yarn进行资源交互val allocateResponse = amClient.allocate(progressIndicator) // 从Yarn端获取资源结果，包括新分配的、已经结束的等等val allocatedContainers = allocateResponse.getAllocatedContainers()handleAllocatedContainers(allocatedContainers.asScala) // 处理新分配的Containerval completedContainers = allocateResponse.getCompletedContainersStatuses() // 处理已经结束的ContainerprocessCompletedContainers(completedContainers.asScala)}}

ApplicationMaster端的allocateResources()的基本流程如下图所示:

1. 生成资源请求，即将Driver发送过来的全量的、Task粒度的资源请求和Host偏好信息，转换为对Yarn的、以Executor为粒度的资源请求

   updateResourceRequests()
   

2. 将资源请求发送给Yarn并从Yarn上获取分配结果(基于Yarn的异步调度策略，这次获取的记过并非本次资源请求的分配结果)以进行后续处理：

   val allocatedContainers = allocateResponse.getAllocatedContainers()
   handleAllocatedContainers(allocatedContainers.asScala)
   val completedContainers = allocateResponse.getCompletedContainersStatuses()
   processCompletedContainers(completedContainers.asScala)
   

可以看到，updateResourceRequests()是资源请求的核心方法，它会负责同Yarn进行通信以进行资源请求。
在TODO中，我们也介绍过，生成资源请求，其决策过程发生在方法updateResourceRequests()中。我们主要来看updateResourceRequests()方法：

   ---------------------------------- YarnAllocator ------------------------------------def updateResourceRequests(): Unit = {// 获取已经发送给Yarn但是待分配的ContainerRequest，计算待分配容器请求的数量// 这些ContainerRequest是之前通过调用amClient.addContainerRequest 发送出去的val pendingAllocate = getPendingAllocateval numPendingAllocate = pendingAllocate.size// 还没有发送请求的executor的数量val missing = targetNumExecutors - numPendingAllocate -numExecutorsStarting.get - numExecutorsRunning.get// 还没有发送给Yarn的资源请求if (missing > 0) {      /*** 将待处理的container请求分为三组：本地匹配列表、本地不匹配列表和非本地列表。*/val (localRequests, staleRequests, anyHostRequests) = splitPendingAllocationsByLocality(hostToLocalTaskCounts, pendingAllocate)// staleRequests 的意思是，ApplicationMaster已经请求了这个Container，// 但是这个ContainerRequest所要求的hosts里面没有一个是在 hostToLocalTaskCounts (即task所倾向于)中的，因此，需要取消这个Container Request，因为已经没有意义了// cancel "stale" requests for locations that are no longer neededstaleRequests.foreach { stale =>amClient.removeContainerRequest(stale)}val cancelledContainers = staleRequests.size// consider the number of new containers and cancelled stale containers available// 将新的container请求，以及刚刚取消的container，作为available containerval availableContainers = missing + cancelledContainers// to maximize locality, include requests with no locality preference that can be cancelled// 在availableContainers的基础上，再算上没有任何locality要求的并且还没有分配成功的containerval potentialContainers = availableContainers + anyHostRequests.size// LocalityPreferredContainerPlacementStrategy，计算每一个Container 的Node locality和 Rack localityval containerLocalityPreferences = containerPlacementStrategy.localityOfRequestedContainers(potentialContainers, numLocalityAwareTasks, hostToLocalTaskCounts,allocatedHostToContainersMap, localRequests)val newLocalityRequests = new mutable.ArrayBuffer[ContainerRequest]// 遍历ContainerLocalityPreferences数组中的每一个ContainerLocalityPreferencescontainerLocalityPreferences.foreach {case ContainerLocalityPreferences(nodes, racks) if nodes != null =>newLocalityRequests += createContainerRequest(resource, nodes, racks)// 根据获取的locality，重新创建ContainerRequest请求}// 除了有locality需求的container以外，还有更多的available container需要被请求，因此对这些container请求也发送出去if (availableContainers >= newLocalityRequests.size) {// more containers are available than needed for locality, fill in requests for any hostfor (i <- 0 until (availableContainers - newLocalityRequests.size)) {newLocalityRequests += createContainerRequest(resource, null, null) // 构造ContainerRequest对象}} else {val numToCancel = newLocalityRequests.size - availableContainers// cancel some requests without locality preferences to schedule more local containersanyHostRequests.slice(0, numToCancel).foreach { nonLocal =>amClient.removeContainerRequest(nonLocal)}}} else if (numPendingAllocate > 0 && missing < 0) {val numToCancel = math.min(numPendingAllocate, -missing)val matchingRequests = amClient.getMatchingRequests(RM_REQUEST_PRIORITY, ANY_HOST, resource)matchingRequests.iterator().next().asScala.take(numToCancel).foreach(amClient.removeContainerRequest)}}

其基本过程为：

1. 获取当前Pending的request(已经发送给Yarn但是还没有分配Container的请求)，并将这些Pending的请求按照本地性的需求进行切分。这里的基本意图是，当前收到了来自Driver的全局的资源状态信息，而在Yarn上还有一部分之前的资源请求还没有分配Container，那么，会不会这些Pending Requewt中有些Request已经不需要了(满足不了任何一个task的locality需求)？

         val (localRequests, staleRequests, anyHostRequests) = splitPendingAllocationsByLocality(hostToLocalTaskCounts, pendingAllocate)
   

   切分的过程，就是查看当前在Yarn这一端pending的所有的Container的locality与我们目前需求的所有(全局)的Task的locality的交集:

   -------------------------------------- YarnAllocator ----------------------------------private def splitPendingAllocationsByLocality(hostToLocalTaskCount: Map[String, Int], // 每一个host到希望分配上去的task的数量pendingAllocations: Seq[ContainerRequest] // 还没有分配出去的ContainerRequest): (Seq[ContainerRequest], Seq[ContainerRequest], Seq[ContainerRequest]) = {val localityMatched = ArrayBuffer[ContainerRequest]()val localityUnMatched = ArrayBuffer[ContainerRequest]()val localityFree = ArrayBuffer[ContainerRequest]()val preferredHosts = hostToLocalTaskCount.keySet// 将当前已经发送给Yarn但是还没有分配的Container的请求进行切分pendingAllocations.foreach { cr =>val nodes = cr.getNodes // 这个 ContainerRequest 对节点的要求if (nodes == null) {localityFree += cr // 这个ContainerRequest对nodes没有要求，那么就是对本地性没有要求的Container请求} else if (nodes.asScala.toSet.intersect(preferredHosts).nonEmpty) { // 这个Container的本地性要求和task期望分配的hosts集合有交集localityMatched += cr // 把这个ContainerRequest添加到localityMatched的ContainerRequest集合中去} else { // 这个Container的本地性要求和task期望分配的hosts集合没有交集localityUnMatched += cr // 把这个ContainerRequest添加到localityMatched的ContainerRequest集合中去}}// 切分结果 (localRequests, staleRequests, anyHostRequests)(localityMatched.toSeq, localityUnMatched.toSeq, localityFree.toSeq)}}
   

   切分过程的具体流程如下图所示:
   

   切分的具体流程为 :

   • 如果这个Pending Container没有任何的locality要求，那么就是localityFree Container，即，其实际分配的位置有可能是当前所有tasks所希望的位置，也可能不是，那么这个container就是localityFree container

     if (nodes == null) {localityFree += cr // 这个ContainerRequest对nodes没有要求，那么就是对本地性没有要求的Container请求} 
     

   • 如果这个Pending Container有locality 要求，并且这个locality的nodes与当前所有tasks有交集，那么这个Pending Container就被划分为localityMatched，显然，这个Pending Container是不应该被取消的；

     else if (nodes.asScala.toSet.intersect(preferredHosts).nonEmpty) { // 这个Container的本地性要求和task期望分配的hosts集合有交集localityMatched += cr // 把这个ContainerRequest添加到localityMatched的ContainerRequest集合中去}
     

   • 如果这个Pending Container有locality要求，但是这个locality中的nodes不在当前所有tasks的locality中的任何一个节点，即这个Pending Container实际分配的位置不可能是任何一个task所倾向于的位置，那么这个Pending Container就是localityUnMatched，显然，localityUnMatched container目前无法放置任何一个task，需要取消掉；

     else { // 这个Container的本地性要求和task期望分配的hosts集合没有交集localityUnMatched += cr // 把这个ContainerRequest添加到localityMatched的ContainerRequest集合中去}
     

2. 对于localityUnmatched container，向Yarn发送请求，取消这种Container，这些被取消的Container在后面会重新申请，以便在申请的资源总量不变的情况下增强资源的本地特性:

    staleRequests.foreach { stale =>amClient.removeContainerRequest(stale)}
   

3. 计算总的Container的数量，包括：

   • Pending Container中刚刚cancel的container的数量，这些Container刚刚取消了，我们可以再次申请这些Container，但是肯定会增强这些新的资源请求的locality，以最大化我们的Task的locality
   • Pending Container中的locality free的Container数量，这些Container可能分配在集群中的任何地方
   • 新增(missing)的Container请求，即当前的总的container请求中除去正在运行(已经有task在运行，numExecutorsRunning)和正在启动(已经分配但是还没分配task，numExecutorsStarting)的，再除去所有的pending的container(numPendingAllocate，是从Yarn的API中获取的数量，已经请求但是还没有分配成功的资源)，多出来的Container:

   	// 还没有发送请求的executor的数量val missing = targetNumExecutors - numPendingAllocate -numExecutorsStarting.get - numExecutorsRunning.get .....// consider the number of new containers and cancelled stale containers available// 将新的container请求，以及刚刚取消的container，作为available containerval availableContainers = missing + cancelledContainers// to maximize locality, include requests with no locality preference that can be cancelled// 在availableContainers的基础上，再算上没有任何locality要求的并且还没有分配成功的containerval potentialContainers = availableContainers + anyHostRequests.size
   

   在这里，val availableContainers = missing + cancelledContainers，即available container代表这次可以增量申请的最大的container数量，包括了这次的额外需求，以及刚刚取消的container(取消的container可以重新申请)

4. 构建Container请求。这里会根据LocalityPreferredContainerPlacementStrategy的localityOfRequestedContainers来构建Container请求，返回Array[ContainerLocalityPreferences]，每一个ContainerLocalityPreferences代表了一个带有对应host和rack信息的Container请求:

      val containerLocalityPreferences = containerPlacementStrategy.localityOfRequestedContainers(potentialContainers, numLocalityAwareTasks, hostToLocalTaskCounts,allocatedHostToContainersMap, localRequests)
   

5. 根据ContainerLocalityPreferences，转换成Yarn的 ContainerRequest

      containerLocalityPreferences.foreach {case ContainerLocalityPreferences(nodes, racks) if nodes != null =>newLocalityRequests += createContainerRequest(resource, nodes, racks)// 根据获取的locality，重新创建ContainerRequest请求case _ =>}
   

6. 如果可以申请的Container(available container)的数量大于刚刚计算完locality的Container数量，那么，为了将申请配额用尽，就再申请其相差的部分Container， 保证申请的Container的数量不小于Available Container的数量。

    if (availableContainers >= newLocalityRequests.size) {// more containers are available than needed for locality, fill in requests for any hostfor (i <- 0 until (availableContainers - newLocalityRequests.size)) {newLocalityRequests += createContainerRequest(resource, null, null) // 构造ContainerRequest对象}}
   

7. 如果可以申请的Container(available container)的数量小于刚刚计算完locality的Container数量，那么需要取消一部分container:

   else {val numToCancel = newLocalityRequests.size - availableContainers// cancel some requests without locality preferences to schedule more local containersanyHostRequests.slice(0, numToCancel).foreach { nonLocal =>amClient.removeContainerRequest(nonLocal)}
   

8. 调用Yarn的标准接口addContainerRequest()，将ContainerRequest发送给Yarn(其实这个接口并不会真正将请求发送出去，只会存放在RMAMClient端，真正发送是通过allocate()接口)：

   newLocalityRequests.foreach { request =>amClient.addContainerRequest(request)
   } // 在这里发送container的请求，从日志来看，资源请求已经发出来了，Yarn已经处理了
   

所以，从上面可以看到，最关键的方法是LocalityPreferredContainerPlacementStrategy.localityOfRequestedContainers()方法，它根据当前的已有信息(总共的Container需求，有locality需求的task的数量，这些locality分布在每一个task上的数量等)，生成一个Array[ContainerLocalityPreferences]数组，数组中的每一个元素代表了一个Container的需求，并包含了其locality的要求信息，然后基于生成的ContainerLocalityPreferences经过转换成ContainerRequest，发送给Yarn。

资源申请的生成过程详解

资源申请的生成，就是根据当前集群运行的基本情况，Task的基本需求，生成Yarn上的资源请求的过程。

资源申请的生成过程的简单例子

在了解其具体实现以前，我们以具体例子的方式，看一下localityOfRequestedContainers()方法的基本实现逻辑，从而对其动机和达成的效果有一个很好的理解，然后，我们再看其实现细节。

1. 从任务调度去看，看到的是Task以及每个 Task的Locality倾向。比如，现在我们一共需要为30个Task分配资源，其中，20个Task的locality倾向为Host1,Host2,Host3，10个Task的Locality倾向为Host1, Host2, Host4， 因此，对应到每个Host上的Task权重如下表所示：

   	Host 1	Host 2	Host 3	Host 4
   20 Tasks	20	20	20
   10 Tasks	10	10		10
   Sum of Tasks	30	30	20	10

   即，20个Task希望分配在Host1,Host2,Host3中的任何一个，有10个Task希望分配在Host1, Host2, Host4中的任何一个。如上表所示，综合来看，所有Task在四台机器上分配的权重是(30, 30, 20,10)。

2. 假设一个Task需要的vCore是1，而一个Container(Executor)有2个vCore，因此，转换成Container以后的结果如下表所示：

   	Host 1	Host 2	Host 3	Host 4
   20 Tasks	20	20	20
   10 Tasks	10	10		10
   Sum of Tasks	30	30	20	10
   Sum of Containers	15	15	10	5

   上面的Sum of Containers的数字只是表示一个比例值，并不表示对应的Host上实际需要申请的Container的数量，我们实际需要的总的Container数量才15个。那么，这15个Container需求平均到每台Host上是多少呢？

3. 比如Host 1的Sum of Container 为15， 所有Host的Sum of Container 是45，因此占比是1/3，所以平均下来分配到Host1上的Container数量应该是 15 * 1/3 = 5。经过向上取整(宁可稍微多分配也不要少分配)以后，每台机器所平均到的15个Container需求是:

   	Host 1	Host 2	Host 3	Host 4
   20 Tasks	20	20	20
   10 Tasks	10	10		10
   Sum of Tasks	30	30	20	10
   Sum of Containers	15	15	10	5
   Allocated Container Target	5	5	4	2

4. 在这里，计算完总的Allocated Container Target以后，需要减去当前已经在该Host上已经存在(正在运行或者在这个Host上pending的Container)，因为我们最终发送给Yarn的Container请求是增量请求。假设现在在每一个Host上已经存在的Container数量都是1，即15个Container中有4个Container是已经分配的，那么，减去已经存在的Container数量以后的结果如下表所示，所以，我们需要新申请12个Container:

   	Host 1	Host 2	Host 3	Host 4
   20 Tasks	20	20	20
   10 Tasks	10	10		10
   Sum of Tasks	30	30	20	10
   Sum of Containers	15	15	12	6
   Allocated Container Target	5	5	4	2
   Newly Allocated Container	4	4	3	1

5. 将每个Host的Newly Allocated Container按照比例进行缩放，保证比例最大的那个Host(这里是Host1 和 Host 2)的比例值是需要新申请的Container的数量。在这里，扩大因子应该是 12(Container的总数量)/4(比例最大的Host的Average Allocated Container) = 3 :

   	Host 1	Host 2	Host 3	Host 4
   20 Tasks	20	20	20
   10 Tasks	10	10		10
   Sum of Tasks	30	30	20	10
   Sum of Containers	15	15	10	5
   Allocated Container Target	5	5	4	2
   Newly Allocated Container	4	4	3	1
   Round Up	12	12	9	3

6. 开始发起资源请求。每一个Container请求的Locality中包含的Host如下表所示：

   	Host 1	Host 2	Host 3	Host 3
   3 Containers	✔	✔	✔	✔
   6 Containers	✔	✔	✔
   3 Containers	✔	✔

   其含义是：

   • 3个Container请求的Locality是[Host1, Host2, Host3, Host4]，即请求Yarn分配3个Container，并且尽量将它们分配在这4个Hosts中。此时剩下的Host比例为[9:9:6:0]
   • 6个Container请求的Locality是[Host1, Host2, Host3]，即请求Yarn分配6个Container，并且尽量将它们分配在这3个Hosts中，此时剩下的Host中container比例为[3:3:0]
   • 3个Container请求的Locality是[Host1, Host2]，即请求Yarn分配3个Container，并且尽量将它们分配在这2个Hosts中

   这样，所有Host的Container比例就是12:12:9:3，平均到12个需分配的Container以后的比例是4:4:3:1，再加上已经分配在每个host上的1个Container，那么总的Container在每个Host上的比例就是5:5:4:2，这个比例和我们直接根据每个Host的task比例折算成的Container的比例15:15:10:5是大致相近的。
   到了这里，我们可以理解了，为什么我们需要在 步骤5 做Round Up操作，并且Round Up的目标是将目前比例值最大的Host的比例值扩大为当前Container需求的最大值? 因为在步骤6中生成Container请求的时候，比例值最大的Host的比例值肯定是等于需要申请的Container数量的。

资源调度算法的代码解析

上面以实际例子解释了Spark将当前的Task的Locality需求信息转换成Yarn的资源请求的细节。下面，我们结合代码，详细看一下localityOfRequestedContainers()方法的实现细节：

  def localityOfRequestedContainers(numContainer: Int, // 需要进行计算的container的数量，包括missing的，cancel掉的(本地性不符合任何task要求的pending container)，以及对本地性没有要求的pending的containernumLocalityAwareTasks: Int, // 对locality有要求的task的数量，这个是Driver端通过stageIdToExecutorPlacementHints计算然后通过RequestExecutor传递过来的hostToLocalTaskCount: Map[String, Int], // 在Stage提交了以后，这个map里面保存了从host到期望分配到这个host的task的数量，这个是Driver端通过stageIdToExecutorPlacementHints传递过来的allocatedHostToContainersMap: HashMap[String, Set[ContainerId]], // 已经launch起来的host -> container的映射关系localityMatchedPendingAllocations: Seq[ContainerRequest] // 对本地性有要求的pending的container): Array[ContainerLocalityPreferences] = {//  预期的从host到期望在上面再launch的新的container数量的映射关系val updatedHostToContainerCount = expectedHostToContainerCount(numLocalityAwareTasks, hostToLocalTaskCount, allocatedHostToContainersMap,localityMatchedPendingAllocations)// 希望再launch的所有Host上的container的数量之和，在这里的例子中，是15val updatedLocalityAwareContainerNum = updatedHostToContainerCount.values.sum// The number of containers to allocate, divided into two groups, one with preferred locality,// and the other without locality preference.//  没有locality需求的container的数量val requiredLocalityFreeContainerNum =math.max(0, numContainer - updatedLocalityAwareContainerNum)//  有locality需求的container的数量val requiredLocalityAwareContainerNum = numContainer - requiredLocalityFreeContainerNumval containerLocalityPreferences = ArrayBuffer[ContainerLocalityPreferences]()if (requiredLocalityFreeContainerNum > 0) { // 如果有container是没有locality需求的for (i <- 0 until requiredLocalityFreeContainerNum) {containerLocalityPreferences += ContainerLocalityPreferences( // 为这些没有locality需求的container一一创建container需求null.asInstanceOf[Array[String]], null.asInstanceOf[Array[String]])}}if (requiredLocalityAwareContainerNum > 0) { // 如果有container有locality需求val largestRatio = updatedHostToContainerCount.values.max // 全局的所有host中最大的container数量// Round the ratio of preferred locality to the number of locality required container// number, which is used for locality preferred host calculating.var preferredLocalityRatio = updatedHostToContainerCount.map { case(k, ratio) =>val adjustedRatio = ratio.toDouble * requiredLocalityAwareContainerNum / largestRatio(k, adjustedRatio.ceil.toInt) // 往上取整}// 每个有locality需求的的Container request，为他们确定对应的hosts和rackfor (i <- 0 until requiredLocalityAwareContainerNum) {// Only filter out the ratio which is larger than 0, which means the current host can// still be allocated with new container request.val hosts = preferredLocalityRatio.filter(_._2 > 0).keys.toArray // 还有container可以分配的一个或者多个hostsval racks = hosts.map { h =>resolver.resolve(yarnConf, h) // 解析这些host所在的rack}.toSet// 每一个ContainerLocalityPreferences代表一个ContainercontainerLocalityPreferences += ContainerLocalityPreferences(hosts, racks.toArray)// Minus 1 each time when the host is used. When the current ratio is 0,// which means all the required ratio is satisfied, this host will not be allocated again.preferredLocalityRatio = preferredLocalityRatio.map { case (k, v) => (k, v - 1) }}}// containerLocalityPreferences中的每一项都会变成一个新的Container RequestcontainerLocalityPreferences.toArray}

其参数的基本含义是：

• numContainer: Int 需要进行计算的Container的数量，即可能进行分配的Container数量，包括Miss的container(还没有申请的Container)，Cancel掉的(本地性不符合任何task要求，因此已经从Yarn上取消的pending container)。同时，还包括Pending Container中对本地性没有要求的Container，这一部分Container也是我们重新申请的对象，以最大化Locality。上文讲到过的updateResourceRequests()方法中的potentialContainers就是传入到该方法的numContainers参数：

     // 将新的container请求，以及刚刚取消的container，作为available containerval availableContainers = missing + cancelledContainers// to maximize locality, include requests with no locality preference that can be cancelled// 在availableContainers的基础上，再算上没有任何locality要求的并且还没有分配成功的containerval potentialContainers = availableContainers + anyHostRequests.size
  

• numLocalityAwareTasks: Int 对locality有要求的task的数量，这个是Driver端通过对stageIdToExecutorPlacementHints计算然后通过RequestExecutor传递过来的数值。已经说过，这是此时的全局状态量，而不是一个增量；

• hostToLocalTaskCount: Map[String, Int] 在Stage提交了以后，这个map里面保存了从host到期望分配到这个host的task的数量，这个是Driver端通过stageIdToExecutorPlacementHints传递过来的，具体过程是：

  • 在Driver端，ExecutorAllocationManager的onStageSubmitted回调中，会将这个Stage的task preference存放在stageIdToExecutorPlacementHints中。

    ----------------------------------------- ExecutorAllocationManager ----------------------------------------
    override def onStageSubmitted(stageSubmitted: SparkListenerStageSubmitted): Unit = {.....// 计算这个stage在每一个host上的task数量// Compute the number of tasks requested by the stage on each hostvar numTasksPending = 0val hostToLocalTaskCountPerStage = new mutable.HashMap[String, Int]()stageSubmitted.stageInfo.taskLocalityPreferences.foreach { locality =>// 对于每一个task的prefered location的listnumTasksPending += 1// 对于这个task的每一个 preferred locationlocality.foreach { location => // 对于这个locality中的每一个location// 这个host上的task的数量+1val count = hostToLocalTaskCountPerStage.getOrElse(location.host, 0) + 1hostToLocalTaskCountPerStage(location.host) = count}}// 这个map的key是stage id，value是一个元组，记录了这个stage的pending的task的数量，以及从host到task count的map信息stageIdToExecutorPlacementHints.put(stageId,(numTasksPending, hostToLocalTaskCountPerStage.toMap))updateExecutorPlacementHints() 
    

  • 随后，ExecutorAllocationManager会有线程不断将这些信息通过RequestExecutors发送给远程的ApplicationMaster：

      def start(): Unit = {listenerBus.addToManagementQueue(listener)val scheduleTask = new Runnable() {override def run(): Unit = {schedule() // 这里会根据需要更新numExecutorsTarget的数量，也会调用}}executor.scheduleWithFixedDelay(scheduleTask, 0, intervalMillis, TimeUnit.MILLISECONDS)client.requestTotalExecutors(numExecutorsTarget, localityAwareTasks, hostToLocalTaskCount)}
    

• allocatedHostToContainersMap: HashMap[String, Set[ContainerId]] 已经launch起来的host -> container的映射关系。这是updateResource()方法每次通过Yarn的标准API allocate()向Yarn询问以后获取的结果。我们说过，allocate()接口用来向Yarn发送本次的资源请求，并返回当前Yarn为这个Application分配的Container的结果。由于Yarn端的资源分配是异步分配，因此allocate()返回的结果并非是这次请求的资源的分配结果，而是两次相邻的allocate()请求发生之间的新产生的资源分配结果；

• localityMatchedPendingAllocations: Seq[ContainerRequest] 对本地性有要求的pending的container，其在方法splitPendingAllocationsByLocality()中对Pending的Container的Locality状态进行切分后，那些与当前请求的Task的Locality有交集的Pending Container将作为已经存在的Container，整个资源请求的目标，是使得新申请的Container和已经分配的Container加起来，其资源倾向和所有Task的统计倾向尽量匹配，从而最大程度满足Task的本地性需求。

localityOfRequestedContainers()算法的基本过程为：

1. 计算每一个Host上应该新分配的Container的数量的预期值。由于是新分配的Container的预期值，因此需要先根据每个Host上的预期存在的Container的总的数量，减去该Host上已经存在的Container：

   val updatedHostToContainerCount = expectedHostToContainerCount(numLocalityAwareTasks, hostToLocalTaskCount, allocatedHostToContainersMap,localityMatchedPendingAllocations)
   

   这里的计算，就是完成下表中从Sum of Tasks(每个机器上分配到的Task的比例) 到 Sum of Containers (每个机器上分配的Container的比例)的转换，然后根据Sum of Containers 减去每台机器上已经分配的Container，就得到了Average Allocated Container Total(每台机器上应该新分配的Container的数量)：

   	Host 1	Host 2	Host 3	Host 4
   20 Tasks	20	20	20
   10 Tasks	10	10		10
   Sum of Tasks	30	30	20	10
   Sum of Containers	15	15	12	6
   Allocated Container Target	5	5	4	2
   Newly-Allocated Container	4	4	3	1

2. 根据上面计算的分配结果，统计没有locality需求的Container的总数量和有locality需求的Container数量：

   // 希望再launch的所有Host上的container的数量之和，在这里的例子中，是15
   val updatedLocalityAwareContainerNum = updatedHostToContainerCount.values.sum// The number of containers to allocate, divided into two groups, one with preferred locality,
   // and the other without locality preference.
   //  没有locality需求的container的数量
   val requiredLocalityFreeContainerNum =math.max(0, numContainer - updatedLocalityAwareContainerNum)//  有locality需求的container的数量
   val requiredLocalityAwareContainerNum = numContainer - requiredLocalityFreeContainerNum
   

3. 先为 没有locality需求的Container 构造ContainerLocalityPreferences，每一个ContainerLocalityPreferences对象对应了一个Container请求和这个请求的Locality需求。可以看到，这种没有Locality需求的Container的Host 偏好和Rack 偏好都是空的：

   val containerLocalityPreferences = ArrayBuffer[ContainerLocalityPreferences]()
   if (requiredLocalityFreeContainerNum > 0) { // 如果有container是没有locality需求的for (i <- 0 until requiredLocalityFreeContainerNum) {containerLocalityPreferences += ContainerLocalityPreferences( // 为这些没有locality需求的container一一创建container需求null.asInstanceOf[Array[String]], null.asInstanceOf[Array[String]])}
   }
   

4. 为 有locality需求的Container 构造ContainerLocalityPreferences对象，每一个ContainerLocalityPreferences对象封装了这个Container请求和这个请求的Locality需求：

   4.1 这里需要完成比较难以理解的Container请求的比例放大，保证比例最大的那个Host(这里是Host1 和 Host 2)的比例值是需要申请的Container的数量，以满足随后为每一个Container构造其Locality信息的过程：

    var preferredLocalityRatio = updatedHostToContainerCount.map { case(k, ratio) =>val adjustedRatio = ratio.toDouble * requiredLocalityAwareContainerNum / largestRatio(k, adjustedRatio.ceil.toInt) // 往上取整}
   

   如下图所示，这里就是完成Round Up 这一步骤，将需要新分配的Container数量成比例放大，保证Container比例最大的Host（这里是Host1 和 Host 2）放大以后的值刚好等于需要分配的有Locality Preference 的 Container的总数量。

   	Host 1	Host 2	Host 3	Host 4
   20 Tasks	20	20	20
   10 Tasks	10	10		10
   Sum of Tasks	30	30	20	10
   Sum of Containers	15	15	10	5
   Allocated Container Target	5	5	4	2
   Newly Allocated Container	4	4	3	1
   Round Up	12	12	9	3

   4.2 放大完成以后，开始进行分配。
   当前有12 个Container需要分配，每一个Host的分配比例为(12,12,9,3)。分配过程上文已经经过，其代码如下：

     // 每个有locality需求的的Container request，为他们确定对应的hosts和rackfor (i <- 0 until requiredLocalityAwareContainerNum) {// Only filter out the ratio which is larger than 0, which means the current host can// still be allocated with new container request.val hosts = preferredLocalityRatio.filter(_._2 > 0).keys.toArray // 还有container可以分配的一个或者多个hostsval racks = hosts.map { h =>resolver.resolve(yarnConf, h) // 解析这些host所在的rack}.toSet// 每一个ContainerLocalityPreferences代表一个ContainercontainerLocalityPreferences += ContainerLocalityPreferences(hosts, racks.toArray)// Minus 1 each time when the host is used. When the current ratio is 0,// which means all the required ratio is satisfied, this host will not be allocated again.preferredLocalityRatio = preferredLocalityRatio.map { case (k, v) => (k, v - 1) }}
   

申请资源以后的处理：Executor的启动或者结束

上面讲过，资源调度的入口方法allocateResources()会通过updateResourceRequests()来计算所需资源并向Yarn进行资源的更新，包括申请新的资源、释放无用的资源等：

  def allocateResources(): Unit = synchronized {updateResourceRequests() // val allocateResponse = amClient.allocate(progressIndicator)val allocatedContainers = allocateResponse.getAllocatedContainers()handleAllocatedContainers(allocatedContainers.asScala)val completedContainers = allocateResponse.getCompletedContainersStatuses()processCompletedContainers(completedContainers.asScala)}}

通过调用Yarn的标准API allocate()，获取了资源分配的结果。再次强调，Yarn这一端的资源调度是异步调度，因此这个资源分配的结果并不是刚刚通过addContainerRequest()进行资源申请的结果，只是调用者在两次调用allocate() API的之间Yarn对于这个Application的新的资源分配结果。拿到了分配的Container，Spark就可以将Executor启动起来了(注意，是启动一个空的Executor，不是启动Task)。启动起来的Executor随后就会向DriverEndpoint注册自己，通信的详细过程参考TODO。这里不再赘述。

对分配结果的处理，主要是处理已经分配的Container以及已经运行结束的Container:

    val allocatedContainers = allocateResponse.getAllocatedContainers()handleAllocatedContainers(allocatedContainers.asScala)val completedContainers = allocateResponse.getCompletedContainersStatuses()processCompletedContainers(completedContainers.asScala)

1. 对于已经分配的Container，需要从Yarn的AMRMClient中将对应的资源请求删除，避免对同一个资源进行多次重复申请，然后启动对应的Executor。
2. 对于已经完成的Container，需要根据Container的退出状态，记录相关日志，同时，需要向Driver发送RemoveExecutor消息告知Driver这个Container的结束，Driver端会进行相关状态的维护。

对于新启动的Container的处理

对于一个刚刚分配成功的Container，其处理工作主要包括两个

• 一是从AMRMClient中将对应的资源请求删除，避免同一资源请求的Container被重复申请；
• 然后，在远程的NodeManager节点上启动Container。

这些过程在方法handleAllocatedContainers()中进行：

--------------------------------- YarnAllocator --------------------------------------
def handleAllocatedContainers(allocatedContainers: Seq[Container]): Unit = {val containersToUse = new ArrayBuffer[Container](allocatedContainers.size)// 先处理Host Match的Containerval remainingAfterHostMatches = new ArrayBuffer[Container]for (allocatedContainer <- allocatedContainers) {matchContainerToRequest(allocatedContainer, allocatedContainer.getNodeId.getHost,containersToUse, remainingAfterHostMatches)}// 处理Host Match以后剩余的Containerval remainingAfterRackMatches = new ArrayBuffer[Container]for (allocatedContainer <- remainingAfterHostMatches) {val rack = resolver.resolve(conf, allocatedContainer.getNodeId.getHost)matchContainerToRequest(allocatedContainer, rack, containersToUse,remainingAfterRackMatches)}// 处理Host Match和Rack Match以后剩余的Containerval remainingAfterOffRackMatches = new ArrayBuffer[Container]for (allocatedContainer <- remainingAfterRackMatches) {matchContainerToRequest(allocatedContainer, ANY_HOST, containersToUse,remainingAfterOffRackMatches)}// 在Host Match，Rack Match，以及ANY_HOST Match以后，依然还有剩余的Container，这只能是Bugif (!remainingAfterOffRackMatches.isEmpty) {for (container <- remainingAfterOffRackMatches) {internalReleaseContainer(container)}}/*** 在这里会打印 Launching container container_1714042499037_5294_01_000002 on host*/runAllocatedContainers(containersToUse)}

1. 遍历每一个分配的Container，在AMRMClient端找到跟这个Container所在的机器相匹配的资源请求，将这个资源请求AMRMClient中删除。这个删除操作并不会和远程的ResourceManager通信，因为这些资源请求都通过addContainerRequest() API被AMRMClient保存在本地然后通过allocate() API发送给远程的RM的。因此对应请求的删除是在AMRMClient的本地进行的:

   val remainingAfterHostMatches = new ArrayBuffer[Container]
   for (allocatedContainer <- allocatedContainers) {matchContainerToRequest(allocatedContainer, allocatedContainer.getNodeId.getHost,containersToUse, remainingAfterHostMatches)
   }
   

   其中，matchContainerToRequest()方法就是根据这个分配成功的Container的特性(Priority，VCore， CPU，Host Location)，从AMRMClient中删除对应的ResourceRequest。未删除的Container保存在参数remainingAfterHostMatches中：

   --------------------------------- YarnAllocator --------------------------------------private def matchContainerToRequest(allocatedContainer: Container,location: String,containersToUse: ArrayBuffer[Container],remaining: ArrayBuffer[Container]): Unit = {// 这个Container的资源特性val matchingResource = Resource.newInstance(allocatedContainer.getResource.getMemory,resource.getVirtualCores)// 以Priority，Resource(VCore, Memory)，location作为ID，删除这个Container对应的资源请求val matchingRequests = amClient.getMatchingRequests(allocatedContainer.getPriority, location,matchingResource)if (!matchingRequests.isEmpty) { // 匹配成功val containerRequest = matchingRequests.get(0).iterator.nextamClient.removeContainerRequest(containerRequest) // 从AMRMClient中删除containersToUse += allocatedContainer} else {remaining += allocatedContainer // 未匹配的Container放入remaining，接着进行其他匹配}}
   

2. 遍历剩下的在Host级别没有匹配成功的剩余的Container，在Rack级别进行Container和ResourceRequest 的匹配，并将匹配不成功的Container保存在remainingAfterRackMatches中：

   val remainingAfterRackMatches = new ArrayBuffer[Container]
   for (allocatedContainer <- remainingAfterHostMatches) {/*** SparkRackResolver.*/val rack = resolver.resolve(conf, allocatedContainer.getNodeId.getHost)matchContainerToRequest(allocatedContainer, rack, containersToUse,remainingAfterRackMatches)
   }
   

3. 遍历剩下的在Rack级别没有匹配成功的剩余的Container，在ANY_HOST(忽略本地偏好)级别进行Container和ResourceRequest 的匹配(这种ResourceRequest是那种没有Locality需求的ResourceRequest)，并将匹配不成功的Container保存在remainingAfterRackMatches

   // Assign remaining that are neither node-local nor rack-local
   val remainingAfterOffRackMatches = new ArrayBuffer[Container]
   for (allocatedContainer <- remainingAfterRackMatches) {matchContainerToRequest(allocatedContainer, ANY_HOST, containersToUse,remainingAfterOffRackMatches)
   }
   

4. 如果有的已经分配的Container无论是Host、Rack还是ANY_HOST偏好都没有在AMRMClient本地找到他们匹配的资源请求(注释中说，这是由于Yarn本身的竞争导致的bug)，那么释放这些Container:

   if (!remainingAfterOffRackMatches.isEmpty) {for (container <- remainingAfterOffRackMatches) {internalReleaseContainer(container)}
   }
   

5. 资源请求释放完毕以后，通过方法runAllocatedContainers()逐个启动每一个Container。

   ---------------------------------- YarnAllocator ----------------------------------------private def runAllocatedContainers(containersToUse: ArrayBuffer[Container]): Unit = {for (container <- containersToUse) { // 对于已经allocate并且资源已经匹配的containerexecutorIdCounter += 1val executorHostname = container.getNodeId.getHostval containerId = container.getIdval executorId = executorIdCounter.toString // 分配executorIddef updateInternalState(): Unit = synchronized {numExecutorsRunning.incrementAndGet()numExecutorsStarting.decrementAndGet()executorIdToContainer(executorId) = container // executor 和 container的映射关系containerIdToExecutorId(container.getId) = executorId // container 和 executor 的映射关系/*** Container launch起来以后，更新allocatedHostToContainersMap*/val containerSet = allocatedHostToContainersMap.getOrElseUpdate(executorHostname,new HashSet[ContainerId])containerSet += containerIdallocatedContainerToHostMap.put(containerId, executorHostname)}numExecutorsStarting.incrementAndGet()launcherPool.execute(new Runnable {override def run(): Unit = {try {new ExecutorRunnable(........).run() // 运行ExecutorRunnable，用来和NodeManager通信来启动ContainerupdateInternalState()}})}}
   

   5.1 在线程池中启动一个ExecutorRunnable。ExecutorRunnable会负责和NodeManager进行通信，在对应节点上将Container启动起来；

   launcherPool.execute(new Runnable {override def run(): Unit = {try {new ExecutorRunnable(Some(container),conf,sparkConf,driverUrl,executorId,executorHostname,executorMemory,executorCores,appAttemptId.getApplicationId.toString,securityMgr,localResources).run()
   

   5.2 在ExecutorRunnable启动以后，由于新的Container的加入，更新相关元数据信息，包括executor -> container，container -> executor， container -> host， host -> container的映射关系，这是通过内部方法updateInternalState()来负责的：

   ---------------------------------- YarnAllocator ----------------------------------------def updateInternalState(): Unit = synchronized {numExecutorsRunning.incrementAndGet()numExecutorsStarting.decrementAndGet()executorIdToContainer(executorId) = container // executor 和 container的映射关系containerIdToExecutorId(container.getId) = executorId // container 和 executor 的映射关系/*** Container launch起来以后，更新allocatedHostToContainersMap*/val containerSet = allocatedHostToContainersMap.getOrElseUpdate(executorHostname,new HashSet[ContainerId])containerSet += containerIdallocatedContainerToHostMap.put(containerId, executorHostname)}
   

对于结束的Container的处理

对于结束的Container的处理在方法processCompletedContainers()中进行：

---------------------------------- YarnAllocator ----------------------------------------
private[yarn] def processCompletedContainers(completedContainers: Seq[ContainerStatus]): Unit = {for (completedContainer <- completedContainers) {val containerId = completedContainer.getContainerIdval alreadyReleased = releasedContainers.remove(containerId) //  alreadyReleased记录这个Container是否已经被释放val hostOpt = allocatedContainerToHostMap.get(containerId)val onHostStr = hostOpt.map(host => s" on host: $host").getOrElse("")val exitReason = if (!alreadyReleased) { // 这个Container还没有释放，那么走释放流程// Decrement the number of executors running. The next iteration of// the ApplicationMaster's reporting thread will take care of allocating.numExecutorsRunning.decrementAndGet()// Hadoop 2.2.X added a ContainerExitStatus we should switch to use// there are some exit status' we shouldn't necessarily count against us, but for// now I think its ok as none of the containers are expected to exit.val exitStatus = completedContainer.getExitStatusval (exitCausedByApp, containerExitReason) = exitStatus match {case ContainerExitStatus.SUCCESS =>.....case ContainerExitStatus.PREEMPTED =>....case VMEM_EXCEEDED_EXIT_CODE =>....case PMEM_EXCEEDED_EXIT_CODE =>....}if (exitCausedByApp) {logWarning(containerExitReason)} else {logInfo(containerExitReason)}ExecutorExited(exitStatus, exitCausedByApp, containerExitReason)} else {// 如果我们释放了这个Container，那么说明一定是Driver直接通过 killExecutor// 释放掉了这个Container，而不是它自行结束ExecutorExited(completedContainer.getExitStatus, exitCausedByApp = false,s"Container $containerId exited from explicit termination request.")}// 解除host -> container 以及 container -> host mappingfor {host <- hostOpt // 这个Container对应的HostcontainerSet <- allocatedHostToContainersMap.get(host) // 这个Container对应的Host上的所有container} {containerSet.remove(containerId) // 删除这个containerif (containerSet.isEmpty) { // 这个container是这个host上的最后一个containerallocatedHostToContainersMap.remove(host) // 删除host} else {allocatedHostToContainersMap.update(host, containerSet)}allocatedContainerToHostMap.remove(containerId) // 解除container -> host map}// 解除container -> executor mappingcontainerIdToExecutorId.remove(containerId).foreach { eid =>executorIdToContainer.remove(eid)....if (!alreadyReleased) {// The executor could have gone away (like no route to host, node failure, etc)// Notify backend about the failure of the executornumUnexpectedContainerRelease += 1driverRef.send(RemoveExecutor(eid, exitReason))}}}
}

可以看到，方法processCompletedContainers()会遍历Yarn返回的每一个Completed(注意，Completed只是代表Container运行结束，但是运行结果可能是Succeed可能是Fail)，然后逐个处理：

1. 如果Container此时并没有被释放，说明Container是自行结束，而不是Driver所杀死的。根据Container的退出状态和退出原因，打印日志：

   val alreadyReleased = releasedContainers.remove(containerId) //  alreadyReleased记录这个Container是否已经被释放
   val exitReason = if (!alreadyReleased) {val alreadyReleased = releasedContainers.remove(containerId) //  alreadyReleased记录这个Container是否已经被释放val exitStatus = completedContainer.getExitStatusval (exitCausedByApp, containerExitReason) = exitStatus match {case ContainerExitStatus.SUCCESS =>.....case ContainerExitStatus.PREEMPTED =>....case VMEM_EXCEEDED_EXIT_CODE =>....case PMEM_EXCEEDED_EXIT_CODE =>....}if (exitCausedByApp) {logWarning(containerExitReason)} else {logInfo(containerExitReason)}}
   

2. 如果我们发现这个Container已经在ReleasedContainer中存在，说明只能是Driver通过KillExecutor的方式将Container给Release了，而不是Container自行退出：

           // 如果我们释放了这个Container，那么说明一定是Driver直接通过 killExecutor// 释放掉了这个Container，而不是它自行结束ExecutorExited(completedContainer.getExitStatus, exitCausedByApp = false,s"Container $containerId exited from explicit termination request.")
   

   如果是Driver杀死了Executor，Driver会向AMEndpoint发送KillExecutor消息，AMEndpoint会将这个Executor从其维护的元数据信息中删除，将这个Kill掉的Executor的Container添加到releasedContainers中，同时通过AMRMClient向Yarn发送释放container的请求：

     def killExecutor(executorId: String): Unit = synchronized {val container = executorIdToContainer.get(executorId).getinternalReleaseContainer(container)numExecutorsRunning.decrementAndGet()}private def internalReleaseContainer(container: Container): Unit = {releasedContainers.add(container.getId()) // 将这个Container从releasedContainer中删除amClient.releaseAssignedContainer(container.getId()) // 向Yarn发送释放Container的请求}
   

3. 删除这个Container和Host之间的映射关系，包括Host -> Container的映射关系以及反向的Container-> Host的映射关系

      for {host <- hostOpt // 这个Container所在的HostscontainerSet <- allocatedHostToContainersMap.get(host) // 这个Host上的所有Container} {containerSet.remove(containerId)if (containerSet.isEmpty) {allocatedHostToContainersMap.remove(host)} else {allocatedHostToContainersMap.update(host, containerSet)}allocatedContainerToHostMap.remove(containerId)}
   

4. 删除Container和Executor之间的映射关系，同时，如果不是Driver主动release的这个container，那么会向Driver发送RemoveExecutor消息

      containerIdToExecutorId.remove(containerId).foreach { eid =>executorIdToContainer.remove(eid)........if (!alreadyReleased) {// 这个Container不是Driver自行释放的，那么需要像Driver汇报一个RemoveExecutor消息driverRef.send(RemoveExecutor(eid, exitReason))}
   

基于资源分配结果进行任务调度

上面讲到对于新分配的Container的处理，在收到Yarn返回的分配的Container以后，ApplicationMaster会启动对应的Executor。这些Executor启动以后，会向Driver注册自己以告知Driver自己的存在，Driver进而将Task调度到Executor中。
其实，Task的调度的触发不仅仅是新分配了Container或者新Launch了Executor，基本上在集群的资源可能发生变化的情况下，都会触发Task的调度，因此，Task的调度是一个不断将Pending Task与可用资源进行匹配然后调度出去的过程。

我列举了下面四种可以触发Driver端的CoarseGrainedSchedulerBackend通过运行makeOffers(或者只针对某一个Executor的makeOffer)来进行任务调度：

1. 来自Executor的注册：上面说过Executor启动以后会向Driver注册自己。此时，Driver认为集群中有了新的可用资源，因此尝试进行Task到Executor的调度。Executor的注册是通过Executor启动的时候向DriverEndpoint发送RegisterExecutor消息来触发的。

   Driver将Executor能够提供的可用资源(Memory , CPU)叫做Resource Offer。因此，当收到了新的Executor的注册，Driver端会调用makeOffers()方法，为这个Executor生成对应的WorkerOffer，代表这个Executor剩余可用的CPU和Memory:

   ------------------------------------ DriverEndpoint -------------------------------
   override def receiveAndReply(context: RpcCallContext): PartialFunction[Any, Unit] = {//  收到 RegisterExecutor 请求，这个请求发生在Executor启动以后，向Driver发送的信息case RegisterExecutor(executorId, executorRef, hostname, cores, logUrls) =>......executorRef.send(RegisteredExecutor).....makeOffers()  // 尝试进行task的调度，针对所有可用的executor}
   

2. 来自Executor的StatusUpdate：在Executor上Task的运行状态发生变化，都会告知Driver，Driver认为此时集群的资源状态发生了变化，因此尝试进行一次task的调度。但是这次的Task的调度是针对这个Executor的，即只会调度适合运行在这个Executor上的Pending Task到这个Exeuctor上：

   ------------------------------------ DriverEndpoint -----------------------------------
   override def receive: PartialFunction[Any, Unit] = {case StatusUpdate(executorId, taskId, state, data) =>scheduler.statusUpdate(taskId, state, data.value)if (TaskState.isFinished(state)) {executorDataMap.get(executorId) match {case Some(executorInfo) =>executorInfo.freeCores += scheduler.CPUS_PER_TASKmakeOffers(executorId) // 尝试进行Task的调度，但是只针对这一个Executor...}
   

3. 来自TaskScheduler中的任务的相关变化，比如，Task的提交，Executor的丢失，Task的失败，推测执行等等，由于系统的可用资源发生了变化，因此TaskScheduler都会通过向DriverEndpoint发送ReviveOffers消息，以触发新一轮的Pending Task的调度。

   ----------------------------------- DriverEndpoint --------------------------------override def receive: PartialFunction[Any, Unit] = {.....case ReviveOffers =>makeOffers()
   

4. 来自SchedulerBackend的自我触发：在DriverEndpoint作为一个RpcEndpoint启动的时候，会启动一个ReviveThread，以固定频率，向自己发送ReviveOffers的本地消息(发送给自己)，以触发Pending 的 Task到Container的调度：

   -------------------------------- DriverEndpoint ---------------------------------------override def onStart() {// 定期恢复offer，以允许延迟调度工作// Periodically revive offers to allow delay scheduling to workval reviveIntervalMs = conf.getTimeAsMs("spark.scheduler.revive.interval", "1s")reviveThread.scheduleAtFixedRate(new Runnable {override def run(): Unit = Utils.tryLogNonFatalError {Option(self).foreach(_.send(ReviveOffers))}}, 0, reviveIntervalMs, TimeUnit.MILLISECONDS)}
   

在以Locality为考虑重点的Task的调度，就是根据locality从高到低(executor-local 优先级最高)，参照当前允许的优先级，取出对应的Task进行调度。如果当前优先级的Task已经调度完毕，或者当前locality的一部分或者全部Task经过了很久还没有完成调度(即当前的系统资源无法完全满足当前的locality需求)，那么就需要降低locality再次尝试进行调度。
下文会详细讲解makeOffers()的具体流程。

PendingTask的生成:

Task的调度的重要逻辑是满足Task 的Location Preference， 即每一个Task对运行位置 (Executor, Host, Rack等等)上的偏好。我们先看看TaskLocation的含义和生成过程，然后看看Spark的Driver是怎样通过Locality-Aware的调度方式，尽最大可能满足每一个Task的本地性需求。

TaskLocation的构造过程

在Spark中，一个Task的Location归根结底是由这个Task的Split决定的，Split代表了一个切分，比如，对一个HDFS文件的切分。在Hadoop上，一个Split表示为一个InputSplit接口的实现类的一个实例。
一个HDFS文件的一个Split是由FileSplit对象表达，对象中hostInfos存放了一个SplitLocationInfo数组，每一个SplitLocationInfo对象存放了一个这个Split的一个Replica的Location信息(因为在HDFS上文件是多副本的)，包括具体的Hostname(即DataNode所在的节点)以及这个Host是否在内存中缓存了这个Split的标记位。
当然，在HDFS的维度，我们说一个Split被缓存，其实缓存的是这个Split对应的Replica。在Hadoop中一个文件的Split对应一个FileSplit对象，代码如下：

--------------------------------------- FileSplit ------------------------------------------------public FileSplit(Path file, long start, long length, String[] hosts,String[] inMemoryHosts) {this(file, start, length, hosts);hostInfos = new SplitLocationInfo[hosts.length];for (int i = 0; i < hosts.length; i++) {// because N will be tiny, scanning is probably faster than a HashSetboolean inMemory = false;for (String inMemoryHost : inMemoryHosts) {if (inMemoryHost.equals(hosts[i])) {inMemory = true;break;}}hostInfos[i] = new SplitLocationInfo(hosts[i], inMemory);}}

其中，一个Replica的Location信息对应了一个SplitLocationInfo对象，包含了这个Split是否在对应的Host上缓存了，以及，对应的Host(DataNode) 信息。在多副本的环境下，一个FileSplit对应的是一个数组 SplitLocationInfo[]：

------------------------------------------ SplitLocationInfo -----------------------------------------
public class SplitLocationInfo {private boolean inMemory;private String location;public SplitLocationInfo(String location, boolean inMemory) {this.location = location;this.inMemory = inMemory;}

我们看一下Spark在提交Stage和Task的过程中是怎么获取Task的Location信息的，以及在获取以后是如何基于Location调度Task的。
在HDFS的场景下，Spark是将每一个Stage对应的RDD(一个NewHadoopRDD对象)中的Partition(一个NewHadoopPartition对象)的Location信息(如果有)存放在这个NewHadoopPartition的serializableHadoopSplit中，其实是对InputSplit的封装:

--------------------------------------- NewHadoopPartition ------------------------------------
private[spark] class NewHadoopPartition(rddId: Int,val index: Int,rawSplit: InputSplit with Writable) // 这个HadoopPartition对应的InputSplitextends Partition {val serializableHadoopSplit = new SerializableWritable(rawSplit)

Stage以及Partition的生成是在提交以前进行的，即执行计划的生成阶段形成的。那么，到了Stage的提交阶段，是怎么利用Stage和Partition中的Location信息，生成具有Location Preference的Task信息的呢？我们看看Stage提交的时候是如何使用Partition的Location信息的。

下面的这段代码是一段经典代码，Spark中DagScheduler提交Stage的时候，会首先检查这个Stage是否有未提交的Parent Stage：

• 如果有，会首先递归提交Parent Stage，然后把当前Stage放入到waitingStages中。waitingStage指的是那些parentStage还没有完成、因此需要等待的Stage;
• 如果没有Missing Parent Stage，那么就可以提交当前的Stage：

  /** Submits stage, but first recursively submits any missing parents. */private def submitStage(stage: Stage) {val jobId = activeJobForStage(stage)if (jobId.isDefined) {if (!waitingStages(stage) && !runningStages(stage) && !failedStages(stage)) {val missing = getMissingParentStages(stage).sortBy(_.id)if (missing.isEmpty) { // 没有missing parent stage，那么提交这个Stage的所有tasksubmitMissingTasks(stage, jobId.get)} else {for (parent <- missing) { // 有missing parent stage，那么先提交submitStage(parent) }waitingStages += stage // 将当前stage放入到waitingStages中随后提交}}} }

在提交Stage的时候，会提交这个Stage所有的Task。我们忽略其他细节，从下面的代码可以看到，Spark会通过方法getPreferredLocs()针对这个Stage的每一个Partition获取这个Partition的Location信息，放到一个taskIdToLocations: Map[Int, Seq[TaskLocation]]中，然后，会提交这些已经带有Location信息的Task：

-------------------------------------- DAGScheduler --------------------------------------/** Called when stage's parents are available and we can now do its task. */private def submitMissingTasks(stage: Stage, jobId: Int) {// First figure out the indexes of partition ids to compute.val partitionsToCompute: Seq[Int] = stage.findMissingPartitions().....val taskIdToLocations: Map[Int, Seq[TaskLocation]] = try {stage match {case s: ShuffleMapStage =>// 计算每一个partition(这里的partition就是一个task)的prefered location的listpartitionsToCompute.map { id => (id, getPreferredLocs(stage.rdd, id))}.toMapcase s: ResultStage =>partitionsToCompute.map { id =>val p = s.partitions(id) // ResultStage.partitions中存放的是对应的partition id(id, getPreferredLocs(stage.rdd, p))}.toMap}}// 在获取了这个Stage的每一个task的location preference信息(如果有)以后，创建一个新的Stage Attempt// 随后，在调度这个Stage的task的时候，这个task中就包含了对应的location preferencestage.makeNewStageAttempt(partitionsToCompute.size, taskIdToLocations.values.toSeq)// 提交这个Stage。基于listenerBus的事件触发机制，调度方法就会将包含了Location Preference的Task调度出去listenerBus.post(SparkListenerStageSubmitted(stage.latestInfo, properties)).......val tasks: Seq[Task[_]] = try {val serializedTaskMetrics = closureSerializer.serialize(stage.latestInfo.taskMetrics).array()stage match {case stage: ShuffleMapStage =>stage.pendingPartitions.clear()partitionsToCompute.map { id =>val locs = taskIdToLocations(id)val part = partitions(id)stage.pendingPartitions += idnew ShuffleMapTask(stage.id, stage.latestInfo.attemptNumber,taskBinary, part, locs, properties, serializedTaskMetrics, Option(jobId),Option(sc.applicationId), sc.applicationAttemptId)}case stage: ResultStage =>partitionsToCompute.map { id =>val p: Int = stage.partitions(id)val part = partitions(p)val locs = taskIdToLocations(id)new ResultTask(stage.id, stage.latestInfo.attemptNumber,taskBinary, part, locs, id, properties, serializedTaskMetrics,Option(jobId), Option(sc.applicationId), sc.applicationAttemptId)}}}if (tasks.size > 0) {// 提交tasktaskScheduler.submitTasks(new TaskSet(tasks.toArray, stage.id, stage.latestInfo.attemptNumber, jobId, properties))} }

submitMissingTasks()方法的基本过程为:

1. 获取这个Stage需要进行计算的所有partitions信息

       // First figure out the indexes of partition ids to compute.val partitionsToCompute: Seq[Int] = stage.findMissingPartitions()
   

   这里，ResultStage和ShuffledMapStage对于findMissingPartitions()的实现有区别，主要是ResultStage中有些函数需要使用的Partition数量不等于这个ResultStage对应的rdd的partition的数量，比如我们常见的first()、last()等。所以，ResultsStage有一个partitions数组，数组中的每一个值代表其实际需要使用的partition id:

   private[spark] class ResultStage(id: Int,rdd: RDD[_],val func: (TaskContext, Iterator[_]) => _,val partitions: Array[Int], // 实际需要的partition，partitions数组中的每一个值是实际使用的partition在rdd.partitions中的partition idparents: List[Stage],firstJobId: Int,callSite: CallSite)extends Stage(id, rdd, partitions.length, parents, firstJobId, callSite) {

   所以，对于ResultStage.findMissingPartitions()方法，其返回的是ResultStage.partitions的index的集合，ResultStage.partitions中在索引index处存放的是对应的Partition ID。比如，ResultStage.partitions[0] = 2，意味着Partition ID = 2。而对于ShuffleMapStage，返回的直接就是ShuffleMapStage的RDD的partitions数组，这个数组中，index 和 value是相同的，即索引0的位置存放的是partition 0，索引1的位置存放的是partition 1.

   ------------------------------------ ResultStage ------------------------------------------override def findMissingPartitions(): Seq[Int] = {val job = activeJob.get// 如果是ResultStage，那么实际参与计算的numPartitions不一定等于stage.rdd.partitions，// 因为像first() last()这种function不需要所有的partition参与// 但是对于ShuffleMapStage，stage.rdd中所有的partition都需要参与计算(0 until job.numPartitions).filter(id => !job.finished(id))}
   

   -------------------------------------- ShuffleMapStage -----------------------------------val numPartitions = rdd.partitions.length // 对于ShuffleMapStage，numPartitions就是这个Stage对应的RDD的partitions的长度override def findMissingPartitions(): Seq[Int] = {mapOutputTrackerMaster.findMissingPartitions(shuffleDep.shuffleId).getOrElse(0 until numPartitions)}
   

   ---------------------------------- ActiveJob ---------------------------------------/*** 我们需要为这个job计算的partition的数量. 必须注意，ResultStage可能并不需要计算目标RDD中所有的partition，比如first()或者lookup()等函数*/val numPartitions = finalStage match {// ResultStage的partiton数量直接使用ResultStage构造的时候所传入的Partition的数量，这个partitions是ResultStage对应的rdd或者是它的子集case r: ResultStage => r.partitions.length// 对于ShuffleMapStage，它的partitino数量就是对应的ShuffleMapStage.RDD.partitions的长度case m: ShuffleMapStage => m.rdd.partitions.length}
   

2. 生成从partitionID 到 对应的Prefered Location的映射关系，遍历这个Stage的所有Partition，从Partition中提取出对应的Location Preference，生成一个从Task 到 Seq[TaskLocation]的映射关系。每一个Task对应了多个TaskLocation，每一个 TaskLocation对应了一个位置信息。基于上面讲到的ResultStage的特殊性，它和ShuffleMapStage在获取Partition ID的时候不同：
   • 如果是ShuffleMapStage，这个index就是Partition ID，所以直接调用了id, getPreferredLocs(stage.rdd, id)；
   • 如果是ResultStage，由于上面讲到的原因，需要先通过val p = s.partitions(id)获取这个index对应的Partition ID:

       val taskIdToLocations: Map[Int, Seq[TaskLocation]] = try {stage match {case s: ShuffleMapStage =>// 计算每一个partition(这里的partition就是一个task)的prefered location的listpartitionsToCompute.map { id => (id, getPreferredLocs(stage.rdd, id))}.toMapcase s: ResultStage =>partitionsToCompute.map { id =>val p = s.partitions(id) // 这里的id其实只是ResultStage.partitions的索引，对应的值才是Partition ID(id, getPreferredLocs(stage.rdd, p)) // 根据rdd和partitionsID获取对应的preferered location}.toMap}}
   

3. 创建一个新的Stage Attempt。一次Stage Attempt代表的就是一次Stage的运行，如果Stage运行失败需要重试，那么就进入下一个 Stage Attempt。这里主要是更新Stage中的_latestInfo，代表当前的Stage Attempt的信息:

   stage.makeNewStageAttempt(partitionsToCompute.size, taskIdToLocations.values.toSeq)
   

   ----------------------------------------- Stage ------------------------------------------def makeNewStageAttempt(numPartitionsToCompute: Int,taskLocalityPreferences: Seq[Seq[TaskLocation]] = Seq.empty): Unit = {val metrics = new TaskMetricsmetrics.register(rdd.sparkContext)// taskLocalityPreferences是这一个Seq[Seq[TaskLocation]]，代表了每一个task的prefered location，// 一个task的prefered location可能不止一个_latestInfo = StageInfo.fromStage(this, nextAttemptId, Some(numPartitionsToCompute), metrics, taskLocalityPreferences)nextAttemptId += 1}
   

4. 为这个Stage生成对应的Task(只是生成，还没有提交):

       val tasks: Seq[Task[_]] = try {val serializedTaskMetrics = closureSerializer.serialize(stage.latestInfo.taskMetrics).array()stage match {case stage: ShuffleMapStage =>stage.pendingPartitions.clear()partitionsToCompute.map { id =>val locs = taskIdToLocations(id)val part = partitions(id)stage.pendingPartitions += idnew ShuffleMapTask(stage.id, stage.latestInfo.attemptNumber,taskBinary, part, locs, properties, serializedTaskMetrics, Option(jobId),Option(sc.applicationId), sc.applicationAttemptId)}case stage: ResultStage =>partitionsToCompute.map { id =>val p: Int = stage.partitions(id)val part = partitions(p)val locs = taskIdToLocations(id)new ResultTask(stage.id, stage.latestInfo.attemptNumber,taskBinary, part, locs, id, properties, serializedTaskMetrics,Option(jobId), Option(sc.applicationId), sc.applicationAttemptId)}}}
   

   构造Task的时候，对应的Location Preference信息存入了Task对象的locs成员中，通过调用preferredLocs可以获取这个Task的Location Preference，随后，Spark根据Task的preferredLocs进行资源请求，并且在申请到了资源以后，根据preferredLocs将Task调度到合适的Executor上去:

   private[spark] class ShuffleMapTask(stageId: Int,stageAttemptId: Int,taskBinary: Broadcast[Array[Byte]],partition: Partition, // Partition@transient private var locs: Seq[TaskLocation], // Location Preference......)// 获取对应Task的Location Preference，用来进行调度决策@transient private val preferredLocs: Seq[TaskLocation] = {if (locs == null) Nil else locs.toSet.toSeq}
   

5. 提交所有的Task

      if (tasks.size > 0) {// 提交tasktaskScheduler.submitTasks(new TaskSet(tasks.toArray, stage.id, stage.latestInfo.attemptNumber, jobId, properties))} 
   

下面的代码显示了getPreferredLocsInternal()方法的细节，即获取一个RDD中某一个Partition的Location信息(一个Seq[String])，返回对应的TaskLocation接口的某个实现类的Seq：

-------------------------------------- DAGScheduler --------------------------------------private def getPreferredLocsInternal(rdd: RDD[_], // 当前Stage的RDDpartition: Int, // 这个Partitoin的index,即在rdd.partitions中的indexvisited: HashSet[(RDD[_], Int)]): Seq[TaskLocation] = {// If the partition has already been visited, no need to re-visit.// This avoids exponential path exploration.  SPARK-695if (!visited.add((rdd, partition))) {// Nil has already been returned for previously visited partitions.return Nil}// 如果这个partition已经缓存，那么就返回缓存以后的Partion的Location信息val cached = getCacheLocs(rdd)(partition)if (cached.nonEmpty) {return cached}// 如果这个RDD含有一个Location Preference，那么就返回这个Location Preferenceval rddPrefs = rdd.preferredLocations(rdd.partitions(partition)).toListif (rddPrefs.nonEmpty) {return rddPrefs.map(TaskLocation(_)) // 这里会根据getPreferredLocations()的返回值Seq[String]，将List中的每一个值映射到一个TaskLocation的实现类，即一个Seq[TaskLocation]}

TaskLocation的apply()方法会根据传入的参数的类型，返回其对应的不同实现类：

---------------------------------- TaskLocation ------------------------------------/*** Create a TaskLocation from a string returned by getPreferredLocations.* These strings have the form executor_[hostname]_[executorid], [hostname], or* hdfs_cache_[hostname], depending on whether the location is cached.*/def apply(str: String): TaskLocation = {val hstr = str.stripPrefix(inMemoryLocationTag)if (hstr.equals(str)) {if (str.startsWith(executorLocationTag)) {val hostAndExecutorId = str.stripPrefix(executorLocationTag)val splits = hostAndExecutorId.split("_", 2)val Array(host, executorId) = splitsnew ExecutorCacheTaskLocation(host, executorId)} else {new HostTaskLocation(str)}} else {new HDFSCacheTaskLocation(hstr)}}
}

可以看到，rdd.partitions(partition)方法根据这个Partition Index，返回了这个Partition对象。对于NewHadoopRDD，这个Partition的实现是NewHadoopPartition。一个NewHadoopPartition对象中存放了对应的InputSplit接口的实现类。比如，对于一个文件，InputSplit的实现是FileSplit，而InputSplit则包含了对应的Location信息:
然后，调用对应的RDD的getPreferredLocations()方法获取Location Preference，即一个NewHadoopRDD中包含了所有的Partition，每一个Partition由一个Partition接口的实现类NewHadoopPartition对象表示，每个NewHadoopPartition中存放了这个Partition的InputSplit信息：

  ----------------------------------- NewHadoopRDD ---------------------------------------override def getPreferredLocations(hsplit: Partition): Seq[String] = {// 返回这个 NewHadoopPartition对应的Hadoop层面的Split信息，比如，一个文件的FileSplit，// 包含了这个File中这个split的起始位置，长度，replica的位置val split = hsplit.asInstanceOf[NewHadoopPartition].serializableHadoopSplit.value// 提取这个FileSplit的多个Replica位置信息val locs = HadoopRDD.convertSplitLocationInfo(split.getLocationInfo)locs.getOrElse(split.getLocations.filter(_ != "localhost"))}

在Spark端，在生成每一个RDD中的Partition的信息的时候，其映射关系其实从底向上为 HDFS Split(InputSplit) -> Partition(NewHadoopPartition) -> Task 的关系，因此，在生成RDD Partition的时候，会将对应的Split的Location信息转换成Partition的Location信息，这个Partition的Location信息使用TaskLocation对象的具体实现类来表达的。这个转换是由object方法convertSplitLocationInfo()负责的，该方法的输入是一个Array[SplitLocationInfo]，输出为对应的Seq[String]，即对应的Location的字符串表示，即:

• 如果Split的是内存缓存，则构造HDFSCacheTaskLocation的location对象，代表这个partition已经被HDFS的对应Host缓存了。很显然，对应的Task如果直接调度到这台机器，则会提高读取效率;
• 如果Split不是内存缓存，则构造HostTaskLocation，显然，Task调度到这条机器上，读取效率会更高(没有跨机器的网络带宽，如果打开了短路读，还可以利用HDFS的短路读特性)

  ----------------------------------  HadoopRDD ---------------------------------------private[spark] def convertSplitLocationInfo(infos: Array[SplitLocationInfo]): Option[Seq[String]] = {Option(infos).map(_.flatMap { loc =>val locationStr = loc.getLocationif (loc.isInMemory) {Some(HDFSCacheTaskLocation(locationStr).toString)} else {Some(HostTaskLocation(locationStr).toString)}})}
  

TaskLocation的实现类除了HDFSCacheTaskLocation和HostTaskLocation，还有ExecutorCacheTaskLocation，即这个Task希望运行在这个Executor上，比如，下面两种情况，这个Partition的Locality Preference是希望精确到对应的Executor的:

1. 在Streaming的Task的调度中，对于Receiver的调度，为了均匀调度，会首先将所有的Task均匀调度到Host上，剩下的Task均匀调度到Executor上。这不不在赘述，详细逻辑可以查看ReceiverSchedulingPolicy的scheduleReceivers()方法;
2. 这个Partition在这个Executor上被缓存，因此，对应的Task肯定需要精确运行在对应的Executor上。这里不在赘述，对应的方法为DAGScheduler.getCacheLocs()：

  private[scheduler]def getCacheLocs(rdd: RDD[_]): IndexedSeq[Seq[TaskLocation]] = cacheLocs.synchronized {// Note: this doesn't use `getOrElse()` because this method is called O(num tasks) timesif (!cacheLocs.contains(rdd.id)) {// Note: if the storage level is NONE, we don't need to get locations from block manager.val locs: IndexedSeq[Seq[TaskLocation]] = if (rdd.getStorageLevel == StorageLevel.NONE) {IndexedSeq.fill(rdd.partitions.length)(Nil) // 如果对应RDD的StorageLevel是NONE，那么返回一个空个的TaskLocation数组} else { // 如果RDD的StorageLevel不是空的，那么会构造对应的ExecutorCacheTaskLocationval blockIds =rdd.partitions.indices.map(index => RDDBlockId(rdd.id, index)).toArray[BlockId]blockManagerMaster.getLocations(blockIds).map { bms => // 通过BlockManagerMaster获取对应的Block的位置，然后构造对应的ExecutorCacheTaskLocationbms.map(bm => TaskLocation(bm.host, bm.executorId))}}cacheLocs(rdd.id) = locs}cacheLocs(rdd.id)}

对应的TaskLocation接口的实现类的toString()方法就返回了这个TaskLocation的String表示。比如，HostTaskLocation.toString()就返回对应的Hostname:

----------------------------------------- HostTaskLocation ----------------------------------
/*** A location on a host.*/
private [spark] case class HostTaskLocation(override val host: String) extends TaskLocation {override def toString: String = host
}

-------------------------------------- HDFSCacheTaskLocation ----------------------------------
/*** A location on a host that is cached by HDFS.*/
private [spark] case class HDFSCacheTaskLocation(override val host: String) extends TaskLocation {override def toString: String = TaskLocation.inMemoryLocationTag + host
}

这样，DAGScheduler.submitMissingTasks()就会提交这些带有Location Preference的Task。这些Task会在Driver端经过一些统计计算，让ApplicationMaster根据提供的资源量、Task的位置倾向等，向Yarn申请资源，申请到的资源向Driver注册，Driver再将Task和Container进行最有匹配，最大程度满足Task的位置需求。

根据TaskLocation信息，将Task添加到不同的pendingTask数组中

所有需要运行因此需要相应资源的Task，Driver都会将对应的Task添加到pendingTask中，这些pendingTask是由TaskSetManager维护的，一个TaskSetManager对象是一个Stage的任务集合，主要负责这个Stage的Task的管理和调度。
根据每一个Task的资源本地性需求的不同，pendingTask分别维护在下面的Map中，代码如下:

  // 希望在某一个Executor上运行的pendingTasks，Key是Executor ID，Value是希望在这个Executor上运行的TaskID的列表private val pendingTasksForExecutor = new HashMap[String, ArrayBuffer[Int]]// 希望在某一个Host上运行的pendingTasks,Key是对应的Host，Value是希望在这个Host上运行的TaskID的列表private val pendingTasksForHost = new HashMap[String, ArrayBuffer[Int]]// 希望在某个一Rack上运行的pendingTasks，Key是对应的Rack，Value是希望在这个Rack上运行的TaskID的列表private val pendingTasksForRack = new HashMap[String, ArrayBuffer[Int]]// 没有任何的本地性需求的pendingTasks的列表private[scheduler] var pendingTasksWithNoPrefs = new ArrayBuffer[Int]

向PendingTask中添加任务的时候，会根据这个task的Locality Preference，将对应的pendingTask放入到上面不同的任务集合中：

  /** 将一个Task添加到它所属的所有的pending-task lists中去 */private[spark] def addPendingTask(index: Int) {for (loc <- tasks(index).preferredLocations) {loc match {case e: ExecutorCacheTaskLocation => // Executor级别的Location PreferencependingTasksForExecutor.getOrElseUpdate(e.executorId, new ArrayBuffer) += indexcase e: HDFSCacheTaskLocation =>  // HDFS缓存 级别的Location Preferenceval exe = sched.getExecutorsAliveOnHost(loc.host) // 获取这个location所在的host上的所有executor idexe match {case Some(set) =>for (e <- set) { // 对于这个host上的每一个executor// 将这个task添加到这个host上的每一个executor上去pendingTasksForExecutor.getOrElseUpdate(e, new ArrayBuffer) += index}}case _ =>}// 将这个task添加到pendingTasksForHostpendingTasksForHost.getOrElseUpdate(loc.host, new ArrayBuffer) += indexfor (rack <- sched.getRackForHost(loc.host)) {pendingTasksForRack.getOrElseUpdate(rack, new ArrayBuffer) += index}} // end of for loopif (tasks(index).preferredLocations == Nil) {pendingTasksWithNoPrefs += index}allPendingTasks += index  // No point scanning this whole list to find the old task there}

其基本逻辑为:

1. 遍历所有的Task，根据对应Task的Location Preference，将对应的Task添加到对应的pendingLocation数组中:

    for (loc <- tasks(index).preferredLocations) { ......}

2. 如果是ExecutorCacheTaskLocation，那么就将Task添加到pendingTasksForExecutor中

           case e: ExecutorCacheTaskLocation =>pendingTasksForExecutor.getOrElseUpdate(e.executorId, new ArrayBuffer) += index
   

3. 如果是HDFSCacheTaskLocation，并且这个Host上的确有active的Executor，那么就将这个task添加到这个Host上的每一个Executor上，即将这个Task添加到pendingTasksForExecutor中。但是，显然，这个Task最终只会在这个Host中的某一个Executor上运行一次，而不会重复运行：

             val exe = sched.getExecutorsAliveOnHost(loc.host) // 获取这个Host上所有的alive executorsexe match {case Some(set) =>for (e <- set) { // 对于这个host上的每一个executor// 将这个task添加到这个host上的每一个executor上去pendingTasksForExecutor.getOrElseUpdate(e, new ArrayBuffer) += index}
   

4. 无论是ExecutorCacheTaskLocation，还是HDFSCacheTaskLocation，都将这个Task添加到pendingTasksForHost中，因为这个Task肯定会运行着这个Host上的。

   pendingTasksForHost.getOrElseUpdate(loc.host, new ArrayBuffer) += index
   

5. 获取这个Host所在的Rack，然后添加到这个对应的pendingTasksForRack中：

         for (rack <- sched.getRackForHost(loc.host)) {pendingTasksForRack.getOrElseUpdate(rack, new ArrayBuffer) += index}
   

6. 如果这个Task没有任何location preference，那么就添加到pendingTasksWithNoPrefs中：

       if (tasks(index).preferredLocations == Nil) {pendingTasksWithNoPrefs += index}
   

7. 无论怎样，将这个task添加到allPendingTasks中，这是当所有的locality都无法满足要求一户最坏的Locality选择。

总之，我们需要注意:

• 区分pendingTasksWithNoPrefs和allPendingTasks：前者意味着Task本身对locality没有任何要求，因此可以随意将Task进行分配。而allPendingTasks中存放了所有的task，意味着当我们无法满足task的localtiy要求以后的不得已的选择。比如一个在pendingTasksForRack中的task的locality要求无法满足，只能退化到选择其他Rack来运行该Task
• pendingTasksForExecutor、pendingTasksForHost、pendingTasksForRack之间存在的包含关系，即，如果一个Task是pendingTasksForExecutor，那么也会放入到这个Executor所在的host(pendingTasksForHost)和所在的rack(pendingTasksForRack)中，同理，如果一个Task的pendingTasksForHost，也会放入到这个Host所在的Rack(pendingTasksForRack)中。而且，所有的Task都会放入到allPendingTasks中。我们从后面的locality退化可以看到原因，即如果某个locality要求下无法分配完所有的task，那么会退化到低一级的优先级，而低一级的优先级列表中肯定包含了高一级优先级列表的Task，因此这个Task可以在低一级进行调度。
• 我们可以看到，pendingTasksForRack中的Task并不是这个task的Locality Preference直接就是就是这个rack，而是这个task的location preference是对应的这个Rack中的某一个Host，因此将这个Host所在的Rack添加为这个Task的Rack Locality。后面会看到，Rack locality是比no preference更低一级的locality，其实就是这个原因，尽管表面上看起来比较疑惑，也与比如Yarn的任务调度逻辑似乎不同。

可用的LocationLevel的计算

Spark用一个枚举类型TaskLocality来表达不同的本地级别：

object TaskLocality extends Enumeration {// Process local is expected to be used ONLY within TaskSetManager for now.val PROCESS_LOCAL, NODE_LOCAL, NO_PREF, RACK_LOCAL, ANY = Value

PROCESS_LOCAL: 进程本地，即这个Task希望调度到某一个特定的Executor上
NODE_LOCAL： 节点本地，即这个Task希望调度到某一个特定的节点
NO_PREF: 没有本地倾向，即这个Task可以任意调度到集群中的任何节点
RACK_LOCAL： 机架本地，即这个Task希望调度到某一个特定的rack上
ANY: 无法满足要求，是前面四种本地性倾向都无法满足要求时的最后的选择策略，将有节点倾向的Task任意调度到集群中无法满足其本地性倾向的位置上。
这里需要注意的是:

1. 显然，越靠前，数字越小，Locality级别越高
2. RACK_LOCAL并不指的是这些任务的locality preference中本来就指明了运行在这个Rack上，而是NODE_LOCAL或者PROCESS_LOCAL的对应退化调度策略，即，如果对应的节点或者Executor由于资源问题无法满足其要求，就会退化到使用RACK_LOCAL，并不是Task本身声明调度到Rack上。
3. NO_PREF的优先级比RACK_LOCAL的优先级更高，这是因为NO_PREF指的是Task本身明确表明自己没有本地性偏好，因此不是一种退化策略，而是对其Locality Preference的一种完全的满足，而RACK_LOCAL其实是一种退化策略，因此RACK_LOCAL的优先级低于NO_PREF
4. ANY的优先级最低，和RACK_LOCAL一样，也是一种退化策略。

在一个TaskSet的TaskSetManager构造的时候，以及后来一个新的Executor加入或者丢失的时候，都会重新计算这个TaskSet的Valid Locality Levels。所以，应该注意到：

• Valid Locality Levels 指的是根据当前的Pending Task的不同LOCALITY需求(比如，不同locality需求的pending task分别放在了pendingTasksForExecutor、pendingTasksForHost、pendingTasksWithNoPrefs、pendingTasksForRack和allTasks中)，计算我们目前可能需要的是哪些TaskLocality。这样，在对Task进行基于Locality 的分配(下文会讲到)的时候，只需要考虑这些Valid Locality Levels。
• 必须注意，computeValidLocalityLevels()是TaskSetManager的成员方法，即这里是为某一个TaskSet计算对应的Valid Locality Levels

下面的方法显示了计算Valid Locality Levels的基本过程：

------------------------------------- TaskSetManager --------------------------------------private def computeValidLocalityLevels(): Array[TaskLocality.TaskLocality] = {import TaskLocality.{PROCESS_LOCAL, NODE_LOCAL, NO_PREF, RACK_LOCAL, ANY}val levels = new ArrayBuffer[TaskLocality.TaskLocality]// 如果有任务在等待执行器（executor），并且这些执行器中有活着的执行器，那么就将PROCESS_LOCAL添加到有效级别列表中。if (!pendingTasksForExecutor.isEmpty &&pendingTasksForExecutor.keySet.exists(sched.isExecutorAlive(_))) {levels += PROCESS_LOCAL}// 如果有任务在等待主机（host），并且这些主机上有活着的执行器，那么就将NODE_LOCAL添加到有效级别列表中。if (!pendingTasksForHost.isEmpty &&pendingTasksForHost.keySet.exists(sched.hasExecutorsAliveOnHost(_))) {levels += NODE_LOCAL}if (!pendingTasksWithNoPrefs.isEmpty) {levels += NO_PREF}// 如果有任务在等待机架（rack），并且这些机架上有活着的主机，那么就将RACK_LOCAL添加到有效级别列表中。if (!pendingTasksForRack.isEmpty &&pendingTasksForRack.keySet.exists(sched.hasHostAliveOnRack(_))) {levels += RACK_LOCAL}levels += ANYlevels.toArray}

该方法返回一个TaskLocality数组，即如果对应的pendingTask数组中有Task，那么就将对应的TaskLocality添加到数组中。这里需要注意，往数组中添加TaskLocality是按照TaskLocality的值从低到高(Locality优先级从高到低)的顺序添加的，从下文介绍基于Locality的Task调度可以看到，调度时会遍历这个返回的TaskLocality数组，即调度时按照Locality优先级从高到低进行的。最后的TaskLocality.ANY一定会最后添加到结果中，作为一个优先级的保底操作。

基于Locality的Task调度

上文讲过，Task的调度的触发，以及其通过makeOffers()方法进行调度。在这里，我们详细讲解这个调度的基本细节。
makeOffers()的基本功能，就是为当前的Executor的资源剩余情况，生成对应的WorkerOffer，代表这些Executor可提供的运行资源，其中包含了对应的executorId，所在的host信息以及可用的vCore信息：

private[spark]
case class WorkerOffer(executorId: String, host: String, cores: Int)

然后TaskScheduler会根据这些剩余资源，将对应的pendingTask调度出去，当然，调度过程中需要依赖对应的Task的Locality信息。

-------------------------------------- CoarseGrainedSchedulerBackend -------------------------------private def makeOffers() {// 根据集群当前的可用资源状况，生成Task的调度结果val taskDescs = CoarseGrainedSchedulerBackend.this.synchronized {// 筛选出alive的executorval activeExecutors = executorDataMap.filterKeys(executorIsAlive)val workOffers = activeExecutors.map {case (id, executorData) =>new WorkerOffer(id, executorData.executorHost, executorData.freeCores)}.toIndexedSeq // 构造每一个Executor上的可用资源scheduler.resourceOffers(workOffers)  // 在这里依赖于TaskScheduler来调度对应的task到对应的worker上}launchTasks(taskDescs) // 启动这些tasks}

resourceOffers()方法是TaskSchedulerImpl的成员方法，其输入是一系列的WorkerOffer，返回可以进行调度的所有Task(每一个Task由一个TaskDescription表示)。我们后面会看到，TaskSchedulerImpl会遍历当前需要调度的所有TaskSet尝试进行调度，而不是某一个TaskSet。
resourceOffers()代码如下所示:

---------------------------------------- TaskSchedulerImpl ------------------------------def resourceOffers(offers: IndexedSeq[WorkerOffer]): Seq[Seq[TaskDescription]] = synchronized {// Mark each slave as alive and remember its hostname// Also track if new executor is addedvar newExecAvail = falsefor (o <- offers) { // 对于每一个WorkerOfferif (!hostToExecutors.contains(o.host)) {hostToExecutors(o.host) = new HashSet[String]() // 构建这个Host的Executor的map}// 是否有新增的executor进来。如果有，则维护executor相关的map信息if (!executorIdToRunningTaskIds.contains(o.executorId)) {hostToExecutors(o.host) += o.executorId // 将这个executor加到这个host -> executors 的map中executorAdded(o.executorId, o.host)executorIdToHost(o.executorId) = o.host // 将这个host加到executor -> host 的毛重executorIdToRunningTaskIds(o.executorId) = HashSet[Long]() // 构建这个executor -> tasks的mapnewExecAvail = true}for (rack <- getRackForHost(o.host)) {hostsByRack.getOrElseUpdate(rack, new HashSet[String]()) += o.host // 构建rack -> hosts的map}}// Before making any offers, remove any nodes from the blacklist whose blacklist has expired. Do// this here to avoid a separate thread and added synchronization overhead, and also because// updating the blacklist is only relevant when task offers are being made.blacklistTrackerOpt.foreach(_.applyBlacklistTimeout())val filteredOffers = blacklistTrackerOpt.map { blacklistTracker =>offers.filter { offer =>!blacklistTracker.isNodeBlacklisted(offer.host) &&!blacklistTracker.isExecutorBlacklisted(offer.executorId)}}.getOrElse(offers)// 将offer进行随机shuffle，返回打乱顺序以后的IndexedSeq[WorkerOffer]val shuffledOffers = shuffleOffers(filteredOffers)// Build a list of tasks to assign to each worker.// 根据当前的WorkerOffer，预构建一个TaskDescription的二维数组val tasks = shuffledOffers.map(o => new ArrayBuffer[TaskDescription](o.cores / CPUS_PER_TASK))val availableCpus = shuffledOffers.map(o => o.cores).toArray // 构建WorkerOffer -> 可用CPU的对应关系val sortedTaskSets = rootPool.getSortedTaskSetQueuefor (taskSet <- sortedTaskSets) {if (newExecAvail) { // 如果有新的Executor加入进来taskSet.executorAdded() // 重新计算这个TaskSet的locality的相关信息}}// Take each TaskSet in our scheduling order, and then offer it each node in increasing order// 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, ANYfor (taskSet <- sortedTaskSets) { // 按照调度顺序，取出每一个TaskSetvar launchedAnyTask = falsevar launchedTaskAtCurrentMaxLocality = false// locality从低到高遍历这个TaskSet中的每一个可用的localityLevels，locality越低代表本地性越好for (currentMaxLocality <- taskSet.myLocalityLevels) {do {launchedTaskAtCurrentMaxLocality = resourceOfferSingleTaskSet(taskSet, currentMaxLocality, shuffledOffers, availableCpus, tasks)launchedAnyTask |= launchedTaskAtCurrentMaxLocality} while (launchedTaskAtCurrentMaxLocality)}if (!launchedAnyTask) { // 没有launch任何一个tasktaskSet.abortIfCompletelyBlacklisted(hostToExecutors)}}if (tasks.size > 0) {hasLaunchedTask = true}return tasks}

resourceOffers()的基本流程如下图所示：

其基本流程为:

1. 根据生成的每一个WorkerOffer，TaskScheduler会维护executor <-> host <-> rack之间的映射关系。刚刚说过，resourceOffers()调用有可能来自于Executor的注册，因此有必要根据WorkerOffer来更新这个新的Executor和Host以及Rack之间的映射关系

       for (o <- offers) { // 对于每一个WorkerOfferif (!hostToExecutors.contains(o.host)) {hostToExecutors(o.host) = new HashSet[String]() // 构建这个Host的Executor的map}// 是否有新增的executor进来。如果有，则维护executor相关的map信息if (!executorIdToRunningTaskIds.contains(o.executorId)) {hostToExecutors(o.host) += o.executorId // 将这个executor加到这个host -> executors 的map中executorAdded(o.executorId, o.host)executorIdToHost(o.executorId) = o.host // 将这个host加到executor -> host 的毛重executorIdToRunningTaskIds(o.executorId) = HashSet[Long]() // 构建这个executor -> tasks的mapnewExecAvail = true}for (rack <- getRackForHost(o.host)) {hostsByRack.getOrElseUpdate(rack, new HashSet[String]()) += o.host // 构建rack -> hosts的map}}
   

2. 过滤掉部分不考虑的WorkerOffer，比如，这个WorkerOffer的Node或者Executor在黑名单中

       val filteredOffers = blacklistTrackerOpt.map { blacklistTracker =>offers.filter { offer =>!blacklistTracker.isNodeBlacklisted(offer.host) &&!blacklistTracker.isExecutorBlacklisted(offer.executorId)}}.getOrElse(offers)
   

3. 为了避免每次都将Task调度到某一个WorkerOffer上(假如这个WorkerOffer资源足够多)，每次调用resourceOffers()的时候都会对WorkerOffer进行一次重新随机排序。注意，这个重新排序只是将WorkerOffer重新排序，没有将Locality重新排序，Locality永远从高到低(值从小到大)进行考虑:

       // 将offer进行随机shuffle，返回打乱顺序以后的IndexedSeq[WorkerOffer]val shuffledOffers = shuffleOffers(filteredOffers)// Build a list of tasks to assign to each worker.// 根据当前的WorkerOffer，预构建一个TaskDescription的二维数组val tasks = shuffledOffers.map(o => new ArrayBuffer[TaskDescription](o.cores / CPUS_PER_TASK))val availableCpus = shuffledOffers.map(o => o.cores).toArray // 构建WorkerOffer -> 可用CPU的对应关系
   

4. 根据TaskSet的调度策略，获取排序以后的TaskSet列表。对于列表中的每一个TaskSet，如果这个TaskSet刚刚有新的Host加入，需要通过调用TaskSet的executorAdded()方法，这个方法主要是重新计算locality信息。上文已经介绍过TaskSet的Locality信息的计算。 TaskSet的调度策略不在本文介绍范围内，感兴趣的读者可以自行了解

   val sortedTaskSets = rootPool.getSortedTaskSetQueue // 根据TaskSet调度策略，返回排序以后的TaskSet数组
   for (taskSet <- sortedTaskSets) {if (newExecAvail) { // 如果有新的Executor加入进来taskSet.executorAdded() // 重新计算这个TaskSet的locality的相关信息}
   }
   

5. 根据排序以后的TaskSet，遍历每一个TaskSet，基于这个TaskSet的Locality数组，对这个TaskSet的Tasks进行调度：

       for (taskSet <- sortedTaskSets) { // 按照调度顺序，取出每一个TaskSetvar launchedAnyTask = falsevar launchedTaskAtCurrentMaxLocality = false// locality从低到高遍历这个TaskSet中的每一个可用的localityLevels，locality越低代表本地性越好for (currentMaxLocality <- taskSet.myLocalityLevels) {do {launchedTaskAtCurrentMaxLocality = resourceOfferSingleTaskSet(taskSet, currentMaxLocality, shuffledOffers, availableCpus, tasks)launchedAnyTask |= launchedTaskAtCurrentMaxLocality} while (launchedTaskAtCurrentMaxLocality)}if (!launchedAnyTask) { // 没有launch任何一个tasktaskSet.abortIfCompletelyBlacklisted(hostToExecutors)}}
   

   上文讲过locality数组的生成过程，可以看到locality数组从前到后的Locality从高到低，因此，这里的逻辑是，对于每一个TaskSet，尝试先调度Locality最高的Task，并且，如果当前要求的Locality在指定的超时时间内无法将所Task调度完毕，将尝试更低一级的locality进行调度。到最后，locality会降低到TaskLocality.ANY，即进行任意调度。

所以，对于一个TaskSet中的task根据当前要求的TaskLocality进行任务调度，发生在方法resourceOfferSingleTaskSet()中。这个方法根据允许的最大的locality(currentMaxLocality， 这里的最大指的是最低要求，即，不可以比这个locality更宽松了)，当前可用资源（shuffledOffers），需要调度的TaskSet，返回成功调度的这个TaskSet中的task：

  private def resourceOfferSingleTaskSet(taskSet: TaskSetManager, // 当前的TaskSetmaxLocality: TaskLocality, // 当前最大的locality，最大的意思是最优的localityshuffledOffers: Seq[WorkerOffer], // 每一个WorkerOffer代表了一个可用资源availableCpus: Array[Int], // 这个shuffledOffers中的每一个WorkerOffer所代表的可用的VCores// 一个WorkerOffer按照可用cpu以及每个task的cpu，算出Task的数量tasks: IndexedSeq[ArrayBuffer[TaskDescription]]) : Boolean = {var launchedTask = false// nodes and executors that are blacklisted for the entire application have already been// filtered out by this pointfor (i <- 0 until shuffledOffers.size) { // 遍历每一个WorkerOffer(每一个WorkerOffer对应了一个executor)val execId = shuffledOffers(i).executorIdval host = shuffledOffers(i).hostfor (task <- taskSet.resourceOffer(execId, host, maxLocality)) { // 往这个Offer上调度一个Tasktasks(i) += task // 保存调度结果val tid = task.taskId....launchedTask = true}}return launchedTask}

从上面的代码可以看到，resourceOfferSingleTaskSet()方法会遍历当前所有的可用资源WorkerOffer，尝试按照当前的maxLocality，调用resourceOffer()方法，往这个WorkerOffer上面调度一个task。
resourceOffer()方法是TaskSet的成员方法，其根据executorID， hostname以及最大允许的locality(maxLocality， 即locality不可以再差了)，尝试从pendingTask中选出一个满足条件的task调度：

  def resourceOffer(execId: String, // executor idhost: String, // executor所在的hostmaxLocality: TaskLocality.TaskLocality) // 所容许的locality，不能比这个locality更宽松: Option[TaskDescription] ={ ....val curTime = clock.getTimeMillis()// allowedLocality 代表当前最宽松的locality是什么，显然，在开始的时候，我们希望allowedLocality严格一点儿，// 后面如果分配失败了，再逐渐放松要求var allowedLocality = maxLocality//  如果 maxLocality == TaskLocality.NO_PREF，那么allowedLocality = maxLocality，// 进入TaskLocality.NO_PREF本来就是对调度没有任何要求if (maxLocality != TaskLocality.NO_PREF) {allowedLocality = getAllowedLocalityLevel(curTime) // 根据当前的时间，更新当前时间节点下的allowedLocality，这个allowedLocality可能小于maxLocality,这时候就会使用这个更小(更严格)的localityif (allowedLocality > maxLocality) { // 如果，allowedLocality比maxLocality更松弛，那么还是以maxLocality为准// We're not allowed to search for farther-away tasksallowedLocality = maxLocality}}// 根据当前计算得到的locality 弹出对应的tasks，然后调度起来dequeueTask(execId, host, allowedLocality).map { case ((index, taskLocality, speculative)) =>// Found a task; do some bookkeeping and return a task description.....currentLocalityIndex = getLocalityIndex(taskLocality)lastLaunchTime = curTime // 更新这个TaskSetManager的最后一个task的启动时间.........addRunningTask(taskId)sched.dagScheduler.taskStarted(task, info)new TaskDescription(.....)}}

这个方法的基本逻辑为:

1. 准备计算allowedLocality，初始值为maxLocality：

   var allowedLocality = maxLocality
   

2. 尝试更新allowedLocality：
   为什么allowedLocality有可能会跟maxLocality不同？原因是maxLocality代表了这个TaskSet的locality数组的外层循环(resourceOffers()方法会按照locality从第到高进行Task的分配)，但是在延迟调度的场景下，在某一个locality level(比如NODE_LOCAL)没有合适资源的情形下，在配置的退化时间到来之前，不急于将locality进行退化处理，即myLocalityLevels(currentLocalityIndex)不变，依然为NODE_LOCAL。在下一轮调度重新到来的时候(resourceOffers()方法重新运行)，在尝试到maxLocality = ALL的时候，突然有了可以满足locality = NODE_LOCAL的资源，这时候getAllowedLocalityLevel()就会返回myLocalityLevels(currentLocalityIndex) = NODE_LOCAL，因为这个locality level的超时时间还没到，进而maxLocality更新为NODE_LOCAL，从而在最大运行的locality为NODE_LOCAL(而不是resourceOffers()循环到的位置ALL)当前的约束下进行任务调度；

         //  如果 maxLocality == TaskLocality.NO_PREF，那么allowedLocality = maxLocality，// 进入TaskLocality.NO_PREF本来就是对调度没有任何要求if (maxLocality != TaskLocality.NO_PREF) {allowedLocality = getAllowedLocalityLevel(curTime) // 根据当前的时间，更新当前时间节点下的allowedLocality，这个allowedLocality可能小于maxLocality,这时候就会使用这个更小(更严格)的localityif (allowedLocality > maxLocality) { // 如果，allowedLocality比maxLocality更松弛，那么还是以maxLocality为准// We're not allowed to search for farther-away tasksallowedLocality = maxLocality}}
   

3. 根据当前计算得到的allowedLocality，尝试从这个WorkOffer对应的execID,host中弹出一个task并返回结果：

   // 根据当前计算得到的locality 弹出对应的tasks，然后调度起来dequeueTask(execId, host, allowedLocality).map { case ((index, taskLocality, speculative)) =>// Found a task; do some bookkeeping and return a task description.....currentLocalityIndex = getLocalityIndex(taskLocality)lastLaunchTime = curTime // 更新这个TaskSetManager的最后一个task的启动时间.........addRunningTask(taskId)sched.dagScheduler.taskStarted(task, info)new TaskDescription(.....)}
   

可以看到，TaskSetManager.getAllowedLocalityLevel()方法根据当前时间，计算当前真正的允许的locality，其核心原理为，每一个TaskSet都维护了currentLocalityIndex，myLocalityLevels[currentLocalityIndex]就对应了这个TaskSet当前应该使用的Locality级别。只有在某种条件下，currentLocalityIndex索引会通过自增的方式向前移动以移动到下一个Locality(即Locality变得更松弛)，即getAllowedLocalityLevel()方法控制了currentLocalityIndex移动条件，保证currentLocalityIndex只有在某些条件下才能移动到下一级。移动到下一级的条件为：

1. 当前currentLocalityIndex对应的locality的pendingTasks下面已经没有task，自然应该移动到下一个Locality，这个很容易理解，即当前的locality的所有task已经处理完了。
2. 虽然当前currentLocalityIndex对应的locality的pendingTasks下面有task没处理完，但是基于该locality已经有很长时间无法launch一个task了(即当前时间已经超过了这个TaskSet的上一次成功launch一个task的时间)，没有必要继续再尝试这个Locality了，只好移动到下一个Locality(Locality 降级)。

具体代码如下所示:

------------------------------------ TaskSetManager --------------------------------------------private def getAllowedLocalityLevel(curTime: Long): TaskLocality.TaskLocality = {// Remove the scheduled or finished tasks lazilydef tasksNeedToBeScheduledFrom(pendingTaskIds: ArrayBuffer[Int]): Boolean = {....}def moreTasksToRunIn(pendingTasks: HashMap[String, ArrayBuffer[Int]]): Boolean = {......}// 循环遍历所有位置级别，直到达到最后一级，currentLocalityIndex从小到大，本地性由强到弱while (currentLocalityIndex < myLocalityLevels.length - 1) {// 查看当前的locality下面是否有task还没有运行val moreTasks = myLocalityLevels(currentLocalityIndex) match {case TaskLocality.PROCESS_LOCAL => moreTasksToRunIn(pendingTasksForExecutor)case TaskLocality.NODE_LOCAL => moreTasksToRunIn(pendingTasksForHost)case TaskLocality.NO_PREF => pendingTasksWithNoPrefs.nonEmptycase TaskLocality.RACK_LOCAL => moreTasksToRunIn(pendingTasksForRack)}if (!moreTasks) {// 如果当前locality级别没有更多的任务，将lastLaunchTime更新为当前时间，并将位置级别索引增加1。lastLaunchTime = curTimecurrentLocalityIndex += 1 // 查看下一级locality} else if (curTime - lastLaunchTime >= localityWaits(currentLocalityIndex)) {// 尽管这个localityWaits(currentLocalityIndex) 的locality上还有对应的pending task，// 但是达到等待时间的情况，会进入下一个localitylastLaunchTime += localityWaits(currentLocalityIndex)currentLocalityIndex += 1 // 查看下一级locality} else {// 在myLocalityLevels(currentLocalityIndex)的locality下还有更多的task，并且没有超时，那么就返回这个localityreturn myLocalityLevels(currentLocalityIndex)}}myLocalityLevels(currentLocalityIndex)}

其中，TaskSetManager中的lastLaunchTime维护了这个TaskSet中上一次启动一个Task的时间，即，只要我们在满足allowedLocalityLevel的条件下，在某一个WorkOffer上启动了一个Task，那么就将这个TaskSet的lastLaunchTime更新为当前时间。这样，如果一个TaskSet上长时间无法launch一个Task，那么这个allowedLocalityLevel就会自增，即降低Locality Preference的要求。
通过TaskSetManager中getLocalityWait()方法可以看到我们可以为每一个TaskLocality配置不同的超时时间：

------------------------------------ TaskSetManager -------------------------------------------private def getLocalityWait(level: TaskLocality.TaskLocality): Long = {val defaultWait = conf.get(config.LOCALITY_WAIT)val localityWaitKey = level match {case TaskLocality.PROCESS_LOCAL => "spark.locality.wait.process"case TaskLocality.NODE_LOCAL => "spark.locality.wait.node"case TaskLocality.RACK_LOCAL => "spark.locality.wait.rack"case _ => null}if (localityWaitKey != null) {conf.getTimeAsMs(localityWaitKey, defaultWait.toString)} else {0L}}

在获取了最后的allowedLocalityLevel以后，就尝试通过dequeueTask(execId, host, allowedLocality)方法，根据当前WorkOffer的信息(execID, host)以及allowedLocalityLevel，从对应的pendingTask中取出符合要求的task，这里的符合要求指的是，这个Task的locality偏好是允许在这个host+executorID上运行的，并且如果在这个host + executorID上运行，其locality是不会比maxLocality更差的。即：

dequeueTask()的逻辑如下所示。它根据当前的WorkerOffer(Executor ID + hostname)和允许的最大的locality(maxLocality)，返回一个locality满足要求的Task准备运行。这里的满足要求指的是，这个Task如果运行在这个WorkerOffer上，能够满足所允许的最差的locality(maxLocality)的要求。

------------------------------------ TaskSetManager --------------------------------------------private def dequeueTask(execId: String, host: String, maxLocality: TaskLocality.Value): Option[(Int, TaskLocality.Value, Boolean)] ={// TaskLocality.isAllowed(maxLocality, TaskLocality.PROCESS_LOCAL) 永远返回true，因此不做判断for (index <- dequeueTaskFromList(execId, host, getPendingTasksForExecutor(execId))) {return Some((index, TaskLocality.PROCESS_LOCAL, false))}// 假如maxLocality允许NODE_LOCAL，那么就从getPendingTasksForHost中取出对应的Host的task返回if (TaskLocality.isAllowed(maxLocality, TaskLocality.NODE_LOCAL)) {for (index <- dequeueTaskFromList(execId, host, getPendingTasksForHost(host))) {return Some((index, TaskLocality.NODE_LOCAL, false))}}// 假如maxLocality允许NO_PREF，那么就从pendingTasksWithNoPrefs中取出对应的task返回if (TaskLocality.isAllowed(maxLocality, TaskLocality.NO_PREF)) {// Look for noPref tasks after NODE_LOCAL for minimize cross-rack trafficfor (index <- dequeueTaskFromList(execId, host, pendingTasksWithNoPrefs)) {return Some((index, TaskLocality.PROCESS_LOCAL, false))}}// 假如maxLocality允许RACK_LOCAL，那么就获取当前的host的rack，从对应的rack的pendingTasks中取出对应的task返回if (TaskLocality.isAllowed(maxLocality, TaskLocality.RACK_LOCAL)) {for {rack <- sched.getRackForHost(host)index <- dequeueTaskFromList(execId, host, getPendingTasksForRack(rack))} {return Some((index, TaskLocality.RACK_LOCAL, false))}}if (TaskLocality.isAllowed(maxLocality, TaskLocality.ANY)) {for (index <- dequeueTaskFromList(execId, host, allPendingTasks)) {return Some((index, TaskLocality.ANY, false))}}// find a speculative task if all others tasks have been scheduleddequeueSpeculativeTask(execId, host, maxLocality).map {case (taskIndex, allowedLocality) => (taskIndex, allowedLocality, true)}}

示例1：
当前的WorkerOffer信息如下:

• Hostname: testhost1.corp.com
• ExecutorID: 25536
  当前的maxLocality = NODE_LOCAL， testhost1-rack1.corp.com所在的rack为rack1

在当前的TaskSet中pendingTasksForExecutor中有一个Task A，其preference正好是 Executor 25535。因此，根据上文所讲解的pendingTask的添加过程，Task A会同时存在于pendingTasksForExecutor，pendingTasksForHost，pendingTasksForRack以及allTasks中。

这时候dequeueTask()的运行过程为:

• 由于pendingTasksForExecutor中没有针对Executor 25536的Task A，因此返回Task A，Task A的实际locality是更好的PROCESS_LOCAL，满足了maxLocality = NODE_LOCAL的要求

示例2：
当前的WorkerOffer信息如下:

• Hostname: testhost1.corp.com
• ExecutorID: 25536
  当前的maxLocality = NODE_LOCAL， testhost1-rack1.corp.com所在的rack为rack1

在当前的TaskSet中pendingTasksForExecutor中没有针对ExecutorID: 25536
的pending Task。但是在pendingTasksForHost中有一个Task B， 其 locality preference正好是Hostname: testhost1.corp.com。 根据上文所讲解的pendingTask的添加过程，Task B会同时存在于pendingTasksForHost，pendingTasksForRack以及allTasks中。
这时候dequeueTask()的运行过程为:

• 由于pendingTasksForExecutor中没有针对Hostname: testhost1.corp.com，因此跳过；
• 由于pendingTasksForHost中有针对Hostname testhost1.corp.com的Task，因此取出并返回Task B，此时的实际locality正好等于maxLocality，为 NODE_LOCAL

示例3：
当前的WorkerOffer信息如下:

• Hostname: testhost1.corp.com
• ExecutorID: 25536
  当前的maxLocality = RACK_LOCAL， testhost1-rack1.corp.com所在的rack为rack1

在当前的TaskSet中pendingTasksForExecutor中没有针对ExecutorID: 25536
的pending Task。但是在pendingTasksForHost中有一个Task B， 其 locality preference是Hostname: testhost2-rack1.corp.com，即它的locality preference同当前的WorkerOffer不在一个节点但是在一个机架上。 根据上文所讲解的pendingTask的添加过程，Task B会同时存在于pendingTasksForHost，pendingTasksForRack以及allTasks中。
这时候dequeueTask()的运行过程为:

• 由于pendingTasksForExecutor中没有针对Hostname: testhost1.corp.com，因此跳过
• 由于pendingTasksForHost中有针对Hostname testhost1.corp.com的Task，因此跳过
• 由于pendingTasksForHost中有针对rack1的Task B，因此取出并返回Task B，此时的实际locality是RACK_LOCAL

示例4：
当前的WorkerOffer信息如下:

• Hostname: testhost1.corp.com
• ExecutorID: 25536
  当前的maxLocality = ANY， testhost1-rack1.corp.com所在的rack为rack1

在当前的TaskSet中pendingTasksForExecutor中没有针对ExecutorID: 25536的的pending Task。pendingTasksWithNoPrefs也没有Task。但是在pendingTasksForHost中有一个Task D， 其 locality preference是另外一个Hostname: testhost2-rack2.corp.com(这个testhost2所在的rack为rack2)。 根据上文所讲解的pendingTask的添加过程，Task D会同时存在于pendingTasksForHost，pendingTasksForRack以及allTasks中。
这时候dequeueTask()的运行过程为:

• 由于pendingTasksForExecutor中没有针对ExecutorID: 25536，因此跳过
• 由于pendingTasksForHost中没有针对Hostname testhost2-rack2.corp.com的Task，因此跳过
• 由于pendingTasksWithNoPrefs中没有任何Task，因此跳过
• 由于getPendingTasksForRack中没有针对rack1的任何task，因此跳过
• 在allPendingTasks中取出Task D，满足maxLocality = NODE_LOCAL 要求，因此取出并返回Task D，此时实际的locality正好等于maxLocality，为ANY。

结语

Spark在Yarn上的资源管理是粗粒度的资源管理(Coarse Grained)，即资源和Task并不一一对应。ApplicationMaster作为资源请求的代理，充当了细粒度的Task和粗粒度的Yarn Container之间的桥梁，即，根据细粒度的、全量的Task资源需求状态不断生成增量的、粗粒度的资源请求，并将Yarn不断异步返回的资源和当前的Task进行匹配，以最优化Task的放置。
本文全面地讲解了整个资源请求和调度过程。读者从中可以看到基于Yarn的整个资源调度过程，Spark的不同角色之间的通信过程，整个过程虽然是以Yarn为基础，但是其反映的是一个通用的资源调度决策的基本思路，因此很有参考意义。
我觉得，感兴趣的读者，可以和Spark on K8S这种细粒度的资源调度过程作比较，将会有更多的收益。