Master是通过schedule方法进行资源调度，告知worker启动executor等。

一schedule方法

1判断master状态，只有alive状态的master才可以进行资源调度，standby是不能够调度的

2将可用的worker节点打乱，这样有利于driver的均衡

3进行driver资源调度，遍历处于等待状态的driver队列，发起driver

4在worker上开启executor进程

private def schedule(): Unit = {
// 只有alive状态的master才可以进行资源调度，standby是不能够调度的
if (state != RecoveryState.ALIVE) {
return
}
// 将可用的worker节点打乱，这样有利于driver的均衡
val shuffledAliveWorkers = Random.shuffle(workers.toSeq.filter(_.state == WorkerState.ALIVE))
val numWorkersAlive = shuffledAliveWorkers.size
var curPos = 0
// 进行driver资源调度，遍历处于等待状态的driver队列
for (driver <- waitingDrivers.toList) {
var launched = false
var numWorkersVisited= 0
while (numWorkersVisited < numWorkersAlive&& !launched) {
// 获取worker
val worker = shuffledAliveWorkers(curPos)
// 记录worker访问数递增
numWorkersVisited+= 1
// 判断worker的可使用内存是否大于driver所需要的内存以及worker可使用cpu核数是否大于driver所需要的cpu核数
if (worker.memoryFree >= driver.desc.mem && worker.coresFree >= driver.desc.cores) {
// 满足条件发起driver
launchDriver(worker, driver)
// 将当前driver从等待队列中移除
waitingDrivers-= driver
// 标记该driver发起状态为true
launched = true
}
// 将指针指向下一个worker，当然如果driver已经发起了，则为下一个准备发起下一个处于等待的driver
curPos = (curPos + 1) % numWorkersAlive
}
}
// 在worker上开启executor进程
startExecutorsOnWorkers()
}

二startExecutorsOnWorkers 在worker上开启executor进程

# 遍历处于等待状态的application，且处于等待的状态的application的所需要的cpu核数大于0

# 得到每一个executor所需要的核数

# 过滤出有效的可用worker,再从worker中过滤出worker剩余内存和CPU核数 不小于app对应executor所需要的内存和CPU核数,按照剩余的CPU核数反向排序worker

# 在可用的worker上调度executor，启动executor有两种算法模式：

一：将应用程序尽可能多的分配到不同的worker上

二：和第一种相反，分配到尽可能少的worker上，通常用于计算密集型

每一个executor所需要的核数是可以配置的，一般来讲如果worker有足够的内存和CPU核数，同一个应用程序就可以在该worker启动多个executors；否则就不能再启动新的executor了，则需要到其他worker上去分配executor了

# 在可用的worker上分配资源给executor

private def startExecutorsOnWorkers(): Unit = {
 // 遍历处于等待状态的application，且处于等待的状态的application的所需要的cpu核数大于0
 // coresLeft=app请求的核数-已经分配给executor的核数的和
 for (app <- waitingApps if app.coresLeft > 0) {
 // 每一个executor所需要的核数
 val coresPerExecutor: Option[Int] = app.desc.coresPerExecutor
 // 过滤出有效的可用worker
 // 再从worker中过滤出worker剩余内存和CPU核数不小于app对应executor所需要的内存和CPU核数
 // 按照剩余的CPU核数反向排序woker
 val usableWorkers = workers.toArray.filter(_.state == WorkerState.ALIVE)
 .filter(worker => worker.memoryFree >= app.desc.memoryPerExecutorMB &&
 worker.coresFree >= coresPerExecutor.getOrElse(1))
 .sortBy(_.coresFree).reverse
 // 在可用的worker上调度executor，启动executor有两种算法模式：
 // 一：将应用程序尽可能多的分配到不同的worker上
 // 二：和第一种相反，分配到尽可能少的worker上，通常用于计算密集型；
 // 每一个executor所需要的核数是可以配置的，一般来讲如果worker有足够的内存和CPU核数，同一个应用程序就可以
 // 在该worker启动多个executors；否则就不能再启动新的executor了，则需要到其他worker上去分配executor了
 val assignedCores = scheduleExecutorsOnWorkers(app, usableWorkers, spreadOutApps)

 // 在可用的worker上分配资源给executor
 for (pos <- 0 until usableWorkers.length if assignedCores(pos) > 0) {
 allocateWorkerResourceToExecutors(
 app, assignedCores(pos), coresPerExecutor, usableWorkers(pos))
 }
 }
}

三scheduleExecutorsOnWorkers在每一个worker上调度资源

判断该worker能不能分配一个或者多个executor，能则分配相对应的executor所需要的CPU核数

private def scheduleExecutorsOnWorkers(app: ApplicationInfo,
 usableWorkers: Array[WorkerInfo], spreadOutApps: Boolean): Array[Int] = {
 // 如果我们指定executor需要分配的核数,coresPerExecutor表示executor所需要的cpu核数
 val coresPerExecutor = app.desc.coresPerExecutor
 // app中每个executor所需要的最小cpu核数，如果没有默认最小核数为1
 val minCoresPerExecutor = coresPerExecutor.getOrElse(1)
 // 如果我们没有指定executor需要分配的核数，则一个worker上只能启动一个executor
 val oneExecutorPerWorker = coresPerExecutor.isEmpty
 // 每一个executor所需要的内存
 val memoryPerExecutor = app.desc.memoryPerExecutorMB
 // 获取可用worker数量
 val numUsable = usableWorkers.length
 // 构建一个可用worker长度的数组，用于存放每个worker节点分配到的cpu核数(16,16,16,16)
 val assignedCores = new Array[Int](numUsable)
 // 构建一个可用worker长度的数组，用于存放每一个worker上新分配的executor数量(1,2,1,0)
 val assignedExecutors = new Array[Int](numUsable)
 // 针对当前应用程序，还需要分配的cpu核数，它应该是application还需要的cpu核数和worker总共剩余核数之和中最小的
 // 防止超过当前可用的cpu核数
 var coresToAssign = math.min(app.coresLeft, usableWorkers.map(_.coresFree).sum)

 // 判断我们是否可以为这个application在指定的worker上发起一个executor
 def canLaunchExecutor(pos: Int): Boolean = {
 // 判断当前需要分配的cpu核数是否大于或者等于每个executor所需要的cpu核数，比如总共只能分配8核，但是
 // 每个executor所需要的cpu核数是12，那么就不能发起executor了，因为资源不够用
 val keepScheduling = coresToAssign >= minCoresPerExecutor
 // 当前worker剩余的核数 - 应用程序分配到该worker上的核数是否满足发起一个executor，比如现在worker剩余核数16
 // 然后又给application他分配了12核，即还剩4核可用，但是启动一个executor需要12核，那么4 < 12 表示内核不足使用了
 val enoughCores = usableWorkers(pos).coresFree - assignedCores(pos) >= minCoresPerExecutor

 // 如果我们允许每一个worker启动多个executor，然后我们可以启动一个新的executor
 // 否则如果worker已经启动一个新executor，只需要将更多的内核分配给该executor即可
 val launchingNewExecutor = !oneExecutorPerWorker || assignedExecutors(pos) == 0
 // 如果需要发起新的executor,既需要判断cpu核数是否足够，还需要判断 executor是否超过限制总数以及否内存是否足够
 if (launchingNewExecutor) {
 val assignedMemory = assignedExecutors(pos) * memoryPerExecutor
 val enoughMemory = usableWorkers(pos).memoryFree - assignedMemory >= memoryPerExecutor
 val underLimit = assignedExecutors.sum + app.executors.size < app.executorLimit
 keepScheduling && enoughCores && enoughMemory && underLimit
 } else {
 // 否则只是对已经存在的executor添加cpu核数，没必要检查内存和executor限制
 keepScheduling && enoughCores
 }
 }
 // 过滤出那些可用的worker节点
 var freeWorkers = (0 until numUsable).filter(canLaunchExecutor)
 while (freeWorkers.nonEmpty) {
 // 遍历每一个空闲的worker
 freeWorkers.foreach { pos =>
 var keepScheduling = true
 // 检测当前worker是否能够发起executor
 while (keepScheduling && canLaunchExecutor(pos)) {
 // 需要分配的核数减去每个executor所需要的最小核数
 coresToAssign -= minCoresPerExecutor
 // 对应的worker节点需要分配的cpu核数加上要启动该executor所需要的最小CPU核数
 assignedCores(pos) += minCoresPerExecutor
 // 如果每一个worker只允许启动一个executor，那么该worker启动的executor数量只能是1，否则应该加一个
 if (oneExecutorPerWorker) {
 assignedExecutors(pos) = 1
 } else {
 assignedExecutors(pos) += 1
 }

 // 如果需要将executor分配到更多的worker，那么就不再从当前worker节点继续分配，而是从下一个worker上继续分配
 if (spreadOutApps) {
 keepScheduling = false
 }
 }
 }
 // 因为进行了一次分配，需要再次从可用的worker节点中过滤可用的worker节点
 freeWorkers = freeWorkers.filter(canLaunchExecutor)
 }
 assignedCores
}

四allocateWorkerResourceToExecutors在worker上分配具体的资源

# 获取该worker应该有多少个executor

# 获取每一个executor应该分配的核数，如果没有指定则使用计算的应该分配的核数

# 向worker上添加executor，创建ExecutorDesc对象，更新application已经分配到的cpu核数

# 启动executor

# 更新application的状态

private def allocateWorkerResourceToExecutors(app: ApplicationInfo, assignedCores: Int,
 coresPerExecutor: Option[Int], worker: WorkerInfo): Unit = {
 // 获取该worker应该有多少个executor
 val numExecutors = coresPerExecutor.map { assignedCores / _ }.getOrElse(1)
 // 获取每一个executor应该分配的核数，如果没有指定则使用计算的应该分配的核数
 val coresToAssign = coresPerExecutor.getOrElse(assignedCores)
 for (i <- 1 to numExecutors) {
 // 向worker上添加executor，创建ExecutorDesc对象，更新application已经分配到的cpu核数
 val exec = app.addExecutor(worker, coresToAssign)
 // 启动executor
 launchExecutor(worker, exec)
 // 更新application的状态
 app.state = ApplicationState.RUNNING
 }
}

五launchDriver 发起driver

private def launchDriver(worker: WorkerInfo, driver: DriverInfo) {
 logInfo("Launching driver " + driver.id + " on worker " + worker.id)
 // worker添加driver
 worker.addDriver(driver)
 driver.worker = Some(worker)
 // 向worker发送LaunchDriver消息
 worker.endpoint.send(LaunchDriver(driver.id, driver.desc))
 // 更新driver状态为RUNNING
 driver.state = DriverState.RUNNING
}

六launchExecutor发起executor

private def launchExecutor(worker: WorkerInfo, exec: ExecutorDesc): Unit = {
 logInfo("Launching executor " + exec.fullId + " on worker " + worker.id)
 // worker启动executor,并且更新worker的cpu和内存信息
 worker.addExecutor(exec)
 // 向worker发送LaunchExecutor消息
 worker.endpoint.send(LaunchExecutor(masterUrl,
 exec.application.id, exec.id, exec.application.desc, exec.cores, exec.memory))
 // 向application发送ExecutorAdded消息
 exec.application.driver.send(
 ExecutorAdded(exec.id, worker.id, worker.hostPort, exec.cores, exec.memory))
}