内容：
1、TaskScheduler工作原理；
2、TaskScheduler源码解密；
Stage里面有一系列任务，里面的任务是并行计算的，逻辑是完全相同的，只不过是处理的数据不同而已。
DAGScheduler会以Task方式提交给TaskScheduler(任务调度器)。
==========TaskScheduler工作原理解密============
1、DAGScheduler在提交TaskSet给底层调度器的时候是面向接口TaskScheduler，这符合面向对象中依赖抽象，而不依赖具体的原则，带来了底层资源调度器的可插拔性，导致Spark可以运行在众多的资源调度器模式上，例如Standalone、YARN、Mesos、Local、EC2以及其它自定义的资源调度器，在Standalone的模式下，我们聚焦于TaskSchedulerImpl；
2、在SparkContext实例化的时候，通过createTaskScheduler来创建TaskSchedulerImpl和SparkDeploySchedulerBackend
case SPARK_REGEX(sparkUrl) =>
val scheduler = new TaskSchedulerImpl(sc)
val masterUrls = sparkUrl.split(",").map("spark://" + _)
val backend = new SparkDeploySchedulerBackend(scheduler, sc, masterUrls)
scheduler.initialize(backend)
(backend, scheduler)
在TaskSchedulerImpl的initialize方法中把SparkDeploySchedulerBackend传进来从而赋值为TaskSchedulerImpl的，在TaskSchedulerImpl 调用start方法的时候会调用backend.start方法，在start方法中会最终注册应用程序；
3、TaskScheduler的核心任务是提交TaskSet到集群运算并汇报结果：
1）为TaskSet创建和维护一个TaskSetManager并追踪任务的本地性以及错误信息；
2）遇到Straggle任务的时候会放到其它的节点进行重试；
3）TaskScheduler必须向DAGScheduler汇报执行情况，包括在shuffle输出lost的时候报告fetch fail等信息；
4、TaskScheduler内部会握有SchedulerBackend，从Standalone的模式来讲，具体实现是SparkDeploySchedulerBackend；
5、SparkDeploySchedulerBackend 在启动的时候构造AppClient实例，并在该实例start的时候启动了ClientEndpoint这个消息循环体，ClientEndpoint 在启动的时候会向Master注册当前程序，而SparkDeploySchedulerBackend 的父类CoarseGrainedSchedulerBackend在start的时候会实例化类型为DriverEndpoint（这就是我们程序运行时候经典对象的Driver）的消息循环体，SparkDeploySchedulerBackend专门负责收集Worker上的资源信息，当ExecutorBackend启动的时候会发送RegisterExecutor信息向DriverEndpoint注册，此时SparkDeploySchedulerBackend就掌握了当前应用程序拥有的计算资源，TaskScheduler就是通过SparkDeploySchedulerBackend 拥有的计算资源来具体运行Task；
6、SparkContext、DAGScheduler、TaskSchedulerImpl、SparkDeploySchedulerBackend在应用程序启动的时候，只实例化一次，应用程序存在期间，始终存在这些对象；
大总结：在SparkContext实例化的时候调用createTaskScheduler来创建TaskSchedulerImpl和SparkDeployShedulerBackend，同时在Spark实例化的时候，会调用TaskSchedulerImpl的start，start方法中会调用SparkDeployShedulerBackend的start，在该方法中会创建AppClient对象，并调用AppClient对象的start方法，在该方法中会创建ClientEndpoint，在创建ClientEndpoint会传入Command来指定具体为当前应用程序启动的executor进程的入口类的名称为CoarseGrainedExecutorBackend，然后ClientEndpoint启动并通过tryRegisterMaster来注册当前的应用程序到Master中，Master接收到注册信息后，如果可以运行程序则会为该程序生成JobID，并通过schedule()来分配计算资源，具体计算资源的分配是通过应用程序的运行方式、memory、cores等配置信息来决定，最后Master会发送指令给Worker，Worker为当前应用程序分配计算资源时会首先分配ExecutorRunner，ExecutorRunner内部会通过Thread的方式构建ProcessBuiler来启动另外一个JVM进程，这个JVM进程启动时候加载的main方法所在的类的名称就是在创建ClientEndpoint会传入的Command来指定具体名称为CoarseGrainedExecutorBackend的类，此时，JVM看到在通过ProcessBuilder启动的时候获得了CoarseGrainedExecutorBackend加载并调用里面的main方法，在main方法中会实例化CoarseGrainedExecutorBackend本身这个消息循环体，而CoarseGrainedExecutorBackend在实例化的时候会通过回调onStart向DriverEndpoint发送registerExecutor来注册当前的CoarseGrainedExecutorBackend ，此时DriverEndpoint收到该注册信息并保存在了SparkDeploySchedulerBackend实例的内存数据结构中，这样Driver就获得了计算资源。
作业：
把大总结画流程图。
王家林老师名片：
中国Spark第一人
新浪微博：http://weibo.com/ilovepains
微信公众号：DT_Spark
博客：http://blog.sina.com.cn/ilovepains
手机：18610086859
QQ：1740415547
邮箱：[email protected]