Spark源码解析：TaskSetManager 任务推断执行源码解析。

最新推荐文章于 2019-08-15 11:24:41 发布

原创

最新推荐文章于 2019-08-15 11:24:41 发布 · 413 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#spark源码解析

本文详细解析了Spark中TaskSetManager的任务推断执行机制，包括checkSpeculatableTasks方法用于检查并标记可推断任务，dequeueSpeculativeTask方法根据主机、Executor和本地性级别选择推断任务。此外，还介绍了Task本地性的重要性，如PROCESS_LOCAL、NODE_LOCAL等本地性级别，以及如何计算有效本地性级别、等待时间和获取允许的本地性级别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、TaskSetManager的概述

TaskSetManager也实现了Schedulable特质，并参与到调度池的调度中，TaskSetManager对TaskSet进行管理，包括任务推断、Task本地性、并对Task进行资源分配。TaskSchedulerImpl依赖于TaskSetManager.

2、推断执行

在Hadoop2.x.x版本中，当一个应用向Yarn集群提交作业后，此作业的多个任务由于负载不均衡、资源分布不均等等原因都会导致各个任务运行完成时间不一致，甚至会出现一个Task尝试明显慢于同一作业的其他作业。好在Mr提供了任务推断执行机制，当有必要时就启动一个备份任务，最终会采用备份任何和源任务中率先执行完的结果作为最终结果。

与Hadoop类似，Spark中的Pool与TaskSetManager也提供了spark任务推断执行的机制，其可分为两类：1、可推断任务执行的检测与缓存（pool与TaskSetManager的checkSpeculatable） 2、从缓存中找到可推断任务进行推断执行(TaskSetManager的dequeueSpeculativeTask)