Spark中内置调度算法的源码分析

Spark中内置的调度算法都是通过特质SchedulingAlgorithm定义了调度算法的规范,代码如下所示:

private[spark] trait SchedulingAlgorithm{
    def comparator[s1:Schedule,s2:Schedule]:Boolean
}

仅仅定义了一个comparator方法来实现对两个任务的比较来实现不同的调度策略。

FIFO

先进先出算法,其实现类的代码如下:

private[spark] class FIFOSchedulingAlgorithm extends SchedulingAlgorithm {
  override def comparator(s1: Schedulable, s2: Schedulable): Boolean = {
    val priority1 = s1.priority
    val priority2 = s2.priority
    var res = math.signum(priority1 - priority2)
    if (res == 0) {
      val stageId1 = s1.stageId
      val stageId2 = s2.stageId
      res = math.signum(stageId1 - stageId2)
    }
    if (res < 0) {
      true
    } else {
      false
    }
  }
}

分析:

  • 对s1和s2两个可调度任务的优先级进行比较,其中优先级的值越小表示优先级越高;

  • 当s1和s2的优先级值相等的时候,进一步比较s1和s2所属的Stage的身份标识,stageId小的,优先级更高;

  • 如果s1的优先级值小于s2的优先级值,则优先调度s1,否则调度s2;

FAIR

公平算法,其实现类的代码如下:

private[spark] class FairSchedulingAlgorithm extends SchedulingAlgorithm {
  override def comparator(s1: Schedulable, s2: Schedulable): Boolean = {
    val minShare1 = s1.minShare
    val minShare2 = s2.minShare
    val runningTasks1 = s1.runningTasks
    val runningTasks2 = s2.runningTasks
    val s1Needy = runningTasks1 < minShare1
    val s2Needy = runningTasks2 < minShare2
    val minShareRatio1 = runningTasks1.toDouble / math.max(minShare1, 1.0).toDouble
    val minShareRatio2 = runningTasks2.toDouble / math.max(minShare2, 1.0).toDouble
    val taskToWeightRatio1 = runningTasks1.toDouble / s1.weight.toDouble
    val taskToWeightRatio2 = runningTasks2.toDouble / s2.weight.toDouble
    var compare: Int = 0
      if (s1Needy && !s2Needy) {
      return true
    } else if (!s1Needy && s2Needy) {
      return false
          } else if (s1Needy && s2Needy) {
      compare = minShareRatio1.compareTo(minShareRatio2)
          } else {
      compare = taskToWeightRatio1.compareTo(taskToWeightRatio2)
    } 
    
      if (compare < 0) {
      true
    } else if (compare > 0) {
      false
    } else {
      s1.name < s2.name
    }
  }
}

分析:

  • 如果s1中处于运行状态的Task的数量小于s1的minShare,并且s2中处于运行状态的Task的数量大于s2的minShare,则优先调度s1;

  • 如果s1中处于运行状态的Task的数量大于等于s1的minShare,并且s2中处于运行状态的Task的数量小于s2的minShare,则优先调度s2;

  • 如果s1中处于运行状态的Task的数量小于s1的minShare,并且s2中处于运行状态的Task的数量也小于s2的minShare,那么进一步对minShareRatio1和minShareRatio2进行比较。如果minShareRatio1小于minShareRatio2,则优先调度s1;反之,调度s2。如果minShareRatio1和minShareRatio2相等,则进行s1和s2的名字比较,小的优先进行调度;

    minShareRatio:正在运行的任务数量和minShare数量之间的比值

  • 如果s1中处于运行状态的Task的数量大于等于s1的minShare,并且s2中处于运行状态的Task的数量大于等于s2的minShare,那么再对taskToWeightRatio1和taskToWeightRatio2进行比较。较小值,优先调度。如果taskToWeightRatio1和taskToWeightRatio2相等,还需要对s1和s2的名字进行比较,较小者,优先调度。

    taskToWeightRatio:正在运行的任务数量与任务权重之间的比值

参考资料

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,755评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,305评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,138评论 0 355
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,791评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,794评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,631评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,362评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,264评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,724评论 1 315
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,900评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,040评论 1 350
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,742评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,364评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,944评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,060评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,247评论 3 371
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,979评论 2 355

推荐阅读更多精彩内容

  • 文/tangsl(简书作者) 原文链接://www.greatytc.com/p/2b993a4b913e...
    西葫芦炒胖子阅读 3,771评论 0 5
  • 又来到了一个老生常谈的问题,应用层软件开发的程序员要不要了解和深入学习操作系统呢? 今天就这个问题开始,来谈谈操...
    tangsl阅读 4,129评论 0 23
  • Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark是UC Berkeley AM...
    大佛爱读书阅读 2,831评论 0 20
  • 在30秒内做到学校及自我介绍,引起家长的兴趣,让家长愿意继续谈下去。即打电话的老师要在30秒钟内清楚地让客户知道下...
    Kristyn阅读 5,688评论 0 1
  • 追崇幼年放羊模式,上学了再好好给娃抓功课的理念,中班以前几乎啥班都没去学,绝对是亲妈中的亲妈。尽情的在家玩耍...
    妖娆三少阅读 233评论 0 0