概要

本篇博客是Spark 任务调度概述详细流程中的第四部分，介绍Master Launch Executor的过程。

Schedule waitingApps

上图在Spark 任务调度之Submit Driver中介绍过，如上图最后一处注释，我们介绍了schedule()方法中launchDriver的流程，即Spark 任务调度之Launch Driver，这篇继续介绍schedule()方法另一个部分，Launch Executor，schedule()方法如下 上图中大部分代码是launchDriver，已经介绍了，如上图最后一行注释处，查看startExecutorsOnWorkers方法 如上图注释，waitingApps信息主要是我们通过命令行传入的core和memory信息，startExecutorsOnWorkers方法的职责是调度waitingApps，即将core和memory分配到具体的Worker，Spark 任务调度之Register App介绍了Driver注册app的流程。 scheduleExecutorsOnWorkers方法中，可以使用spreadOutApps算法分配资源，即Executor分布在尽可能多的Worker节点上，相反，也支持Executor聚集在某些Worker节点上，通过参数spark.deploy.spreadOut配置，默认为true，如下

Launch Executor

startExecutorsOnWorkers方法中，最后调用allocateWorkerResourceToExecutors方法，如下 上图最后处调用launchExecutor方法，如下 如上图注释，给Worker节点发送LaunchExecutor消息，Worker节点收到消息，Launch Executor部分就结束了，下一部分具体讲Executor在Worker节点的启动，最后，Worker接收LaunchExecutor消息对应代码如下

总结

介绍Master节点Launch Executor的过程，分两步

schedule waitingAppslaunch Executor

流程如下