背景
一般在使用Spark的的时候通过 spark-submit.sh 配置 num-executors 显示的指定executor的个数。然后AppMaster会向资源调度框架如yarn申请资源，每个executor在yarn中以Container的形式存在。无论executor是否执行任务，都会占用相应的资源，直到应用结束后释放。很显然要是有一种方式，可以动态的申请executor，不用的时候释放掉，那么集群的资源利用率会更高。
其实Flink就是这样做的，在Flink中资源都是以slot来动态申请，但是也会出现并行的任务太多，突然申请超多的节点，直接导致集群资源被耗光。在未来的1.11中也会像spark一样，增加最大的资源限制，避免无限膨胀。
原理
下面就以spark-shell为例，看一下静态资源分配与动态资源分配的区别。
正常在使用spark时，会根据启动命令创建executor，那么无论任务执行还是空闲这个executor都会与应用生命周期保持一致，只有应用退出，executor才会释放。加入spark-shell此时没有任务执行，那么executor也会占用资源长期不释放，浪费集群资源。
任务启动后，会按照事先的配置，启动最小的集群资源，比如申请一个executor。当一段时间没有执行任务后，executor会因长期空闲而被释放掉，资源也会被yarn一类的资源调度框架回收。当spark-shell再次接收到命令时，会重新向资源调度框架申请资源运行任务。也就是说当应用没有任务提交时，不会占用集群的过多资源，提前释放以供其他应用使用，这样整个集群的资源利用率就更高了。
带着问题来看一下动态资源分配是如何实现的？
移除哪些executor？
因为executor可能负责task任务的计算，也可能负责计算后数据的存储，因此判断executor过期并移除，可以通过计算和存储两方面来考虑。spark提供了两个参数：executorIdleTimeout 和 cachedExecutorIdleTimeout 分别控制计算空闲的时间和存储空闲的时间，只要这两个时间都超时，就会移除该executor
如何控制executor的数量避免膨胀？
像Flink就因为没有executor的申请限制，经常会导致大任务直接消耗光集群资源。在spark里面可以通过 minExecutors 配置最小值，maxExecutors 配置最大值，initialExecutors 配置初始值（默认值最小值）。
何时申请executor？申请多少executor？
当有任务pending的时候就会认为集群资源不足，开始申请executor。具体的判断是通过 schedulerBacklogTimeout 来控制。申请的数量则是通过 正在运行和pending的任务数量 * executorAllocationRatio / 并行度
相关参数
spark.dynamicAllocation.enabled
默认值，false
是否使用动态资源分配，将会动态扩展executor的数量。
spark.dynamicAllocation.executorIdleTimeout
默认值，60s
executor空闲多长时间会被回收。
spark.dynamicAllocation.cachedExecutorIdleTimeout
默认值，infinity
exectuor缓存数据的时间，超过这个时间还是空闲状态，将会移除executor
spark.dynamicAllocation.initialExecutors
默认值，spark.dynamicAllocation.minExecutors
如果配置了 --num-executors 或 spark.execturo.instancese，则优先使用这两个参数的配置。
spark.dynamicAllocation.maxExecutors
默认值，infinity
exectuors的上限
spark.dynamicAllocation.minExecutors
默认值，0
executors的下限
spark.dynamicAllocation.executorAllocationRatio
默认值，1
一般spark会使用动态分配申请足够多的资源来保证任务进程的并行度。这样会最小化任务的延迟。对于一些小任务，这个配置会导致浪费很多资源，并且其他的executor可能并没有做任何工作。1提供最大的并行度，0.5则会将exectuor的数量减半。
spark.dynamicAllocation.schedulerBacklogTimeout
默认值，1s
待执行的任务积压超过这个时间，将会请求新的执行者。
spark.dynamicAllocation.sustainedSchedulerBacklogTimeout
默认值，schedulerBacklogTimeout
资源不足时，多长时间开始申请executor。
参考：
Spark：Dynamic Resource Allocation【动态资源分配】
www.jianshu.com
