spark源码解析5-executor启动和任务处理流程

1. 在创建taskScheduler的时候SparkContext.createTaskScheduler(this, master)，进行了 new SparkDeploySchedulerBackend（）的步骤，在SparkDeploySchedulerBackend的84行，执行了app运行使用的调度器为CoarseGrainedExecutorBackend

   val command = Command("org.apache.spark.executor.CoarseGrainedExecutorBackend", //-----------指定调用的executor是哪个

2. 在下面的new AppClient（）中，有传入commond
3. 查看AppClient的onStart（）方法，调用了registerWithMaster（），然后调用了tryRegisterAllMasters（）方法
4. 在tryRegisterAllMasters（）方法中向master发送了消息RegisterApplication(appDescription, self)
5. master接收到消息后，向appclient发送消息RegisteredApplication，监听任务运行状态，然后调用schedule（）方法
6. 在schedule（）方法中调用startExecutorOnWorks（）方法，在worker上调度和启动executor，在此方法中计算每个worker上可用的资源，并且分配每个worker上需要启动的资源，调用allocateWorkerResourceExecutor方法启动executor
7. allocateWorkerResourceExecutor方法中，调用lauchExecutor（）方法，启动executor
   
8. 向worker发送消息，启动executor，向appclient发送消息，改变executor的状态