Spark系列(七)Master中的资源调度

2024-02-22 23:51:16

资源调度

说明：

Application的调度算法有两种，分别为spreadOutApps和非spreadOutApps

spreadOutApps

在spark-submit脚本中，可以指定要多少个executor,executor需要多少个cpu及多少内存，基于该机制，最后executor的实际数量，以及每个executor的cpu可能与配置是不一样的。
因为spreadOutApps调度算法的总是基于总CPU总和来分配，比如要求3个executor每个要3个CPU,如果有9个worker每个有1个CPU,因为总共要分配9个core,所以每个worker分配一个core然后每个worker启动一个executor
最后启动9个executor每个executor1个cput core

非spreadOutApps

每个application都尽可能分配到尽量少的worker上，比如总共有10个worker,每个有10个core app总共要分配20个core,那么其实只会分配到两个worker上，每个worker都占满10个core.

Schdule方法源码分析

1
16
17
24
28
55
60
62	) {
89	// 根据WorkerInfo和所需的core构建ExecutorDesc
90	val exec = app.addExecutor(worker, coresToUse)
91	// 启动Executor
92	launchExecutor(worker, exec)
93	app.state = ApplicationState.RUNNING
94	}
95	}
96	}
97	}
98	}
99	}

最新文章

热门文章