Spark在提交应用程序执行时会根据RDD依赖关系生成DAG图，然后交给DAGScheduler进行划分作业和调度阶段。而对于多个作业之间的调度，Spark提供两种调度策略：FIFO模式(默认模式) & FAIR模式。
其中调度策略执行过程如下：
创建调度池：在TaskSchedulerImpl.initialize()中先创建根调度池rootPool对象，然后根据系统配置的调度模式创建调度器，对调度策略实例化FIFOSchedulableBuilder或FairSchedulableBuilder，最终用调度创建器的buildPools方法在根调度池rootPool下创建调度池。
往调度池加入调度内容：在TaskSchedulerImpl.submitTasks()中先把调度阶段拆分为任务集即TaskSet，然后把TaskSet交给管理器TaskSetManager，最后把TaskSet的TaskSetManager加入到调度池中，等待分配执行。
注意：在FIFO中农由于创建器的buildPools为空，则根调度池rootPool并没有下级调度池，而是直接包含了一组TaskSetManager；而FAIR中根调度池rootPool中包含了下级调度池，这些下级调度池在包含了一组TaskSetManager。
提供已排序的任务集管理器：在TaskSchedulerImpl.resourceOffers()中进行资源分配时，会从根调度池rootPool获取已经排序好的任务管理器，排序算法基于两种调度策略FIFOSchedulingAlgorithm或FiarSchedulingAlgorithm的comparator提供：
FIFO：由于根调度池rootPook直接包含了多个作业的任务管理器，首先比较作业优先级(作业编号越小则优先级越高)，如果是同一作业，则再次比较调度阶段优先级(调度阶段编号越小则优先级越高)；
FIAR：包含两层调度，第一层中根调度池rootPool包含了下级调度池Pool，第二层为下级调度池包含了多个TaskSetManager。$SPARK_HOME/conf/fairscheduler.xml为读取配置参数的默认路径，其中两个参数分别是minShare(最小任务数)和weight(任务的权重)，这两个参数都用来设置第一层级的调度算法，另一个参数schedulingMode用来设置第二层调度算法。
实例学习：
https://blog.csdn.net/weixin_30294709/article/details/98440543
https://www.cnblogs.com/yankang/p/9786251.html
https://www.cnblogs.com/xupccc/p/9544610.html
