spark系列——Executor启动过程分析

前言

本篇文章将以问答的方式对Executor的启动进行分析。

1. executor在什么时候开始启动？

新app的加入和集群资源的变动将调用到Master的schedule方法，
这个时候会进行startExecutorsOnWorkers()进行executor的调度和启动。
（资源申请的是在 appclient 的 registerApplication 消息中）

2.Executor在worker上启动的条件是什么？

• cpu cores 的分配：
  1.worker分配给excutor的 cores 大于excutor所需要的最小cores
  2.worker空闲 cores 大于 excutor 所需最小cores
• worker的空闲内存大于excutor所需要的内存
• excutor的总数小于 app 设置的最大 excutor 数
• worker上没有启动 executor 或者 worker 上允许启动多个 executor

3.一个worker上可以启动几个Executor？

• 当设置了 --executor-cores为 Executor 指定了 cores 的时候，
  一个 worker 可以启动多个 Executor，
  否则一个 worker 只会为 app 启动一个 executor，
  但是会为这个 executor 尽可能多的分配 cpu cores。(理解为全部的core也是没错的)

4.worker 集群启动Executor的规则是怎么样的？

首先会寻找可用的 Worker 节点来启动 Executor ，
所谓可用就是前面提到的 Executor在worker上启动的条件

Worker 节点资源分配是按照如下规则进行的：

1. 过滤不可用的work，轮询可用的work
2. 分配给 Executor 所需的 CPU 核数,即你指定的--executor-cores ,
   以及内存,即你指定的--executor-memory，
3. 如果 spark.deploy.spreadOut 指定为true,在进行一次分配后将继续分配下一个可用的work。
   否则，会继续在该 work 上进行资源分配，直到该work资源全部分配完。
   才会继续去寻找下一个可用work
4. 重复 1 到 3.直到满足该任务需要的资源，或者集群资源消耗完。

5.spark 1.4.2 资源分配的一个bug？

在某一集群中有4 个 Worker 节点，每个节点拥有16个 CPU 核数，
其中设置了 spark.cores.max = 48 和 spark.executor.cores = 16,
如果spark.deploy.spreadOut = true，按照每次分配 1 个CPU 核数，
则每个 Worker 节点的 Executor 将分配到 12 个 CPU 核数，
就达到了应用限制的最大核数48,
但却没有满足executor启动的最小cores 16，
所以将没有 Executor 能够启动，参见 SPARK -8881问题说明。
而在后续版本中，每次分配 CPU 核数为 Executor 指定的 CPU 核数，
如果没有指定默认情况为1，这样在前面的例子中，
按照该分配方式将在3 个 Worker 节点中的 Executor 分配16个 CPU 核数，
这样就能够正常启动 Executor 。

通过以上几个问题，大概也能了解到 executor 在worker端启动的整个流程了，
本文主要是从源码角度挖掘的信息，如有不对的地方，麻烦指出，谢谢！