接着上一篇文章继续分析代码：

3.1.3.3.3.1、进入TaskSet 方法：

3.1.3.3.3.2、进入taskScheduler.submitTasks(new TaskSet(tasks.toArray, stage.id, stage.newAttemptId(), stage.jobId, properties)) 方法：

从源代码中可以看出DAGScheduler中向TaskScheduler以Stage为单位提交任务，Stage是以TaskSet为单位的，构建一个TaskSetManager,当isLocal=false（集群模式）& hasReceivedTask=false（没启动的），将会创建一个定时任务来监控worker集群是否启动，并且是15000毫秒后启动，并间隔15000毫秒继续循环运行

3.1.3.3.3.3、进入 backend.reviveOffers() 方法：

该方法是 CoarseGrainedSchedulerBackend的方法，此时会向driverActor发送ReviveOffers消息，driverActor的实现代码如下：

此时跟踪进DriverActor的实现中：

可以看到ReviveOffers消息的具体实现是makeOffers方法：

WorkerOffer对象代表是某个Executor上可用的资源，freeCores(id)是该executor上空余的CPU数目：

进入launchTasks：

executorActor发送启动Task的请求，其实是向CoarseGrainedExecutorBackend发送LaunchTask消息：

在LaunchTask消息中会导致executor.lauchTask(this, taskDesc.taskId, taskDesc.name, taskDesc.serializedTask)的调用：

其中的TaskRunner封装了任务本身：

任务执行的是交给了线程池去执行的。 其实这些代码已经分析过了，在之前的博客中

我们在回到SparkContext：

4、进入progressBar.foreach(_.finishAll())方法：

5、进入rdd.doCheckpoint()方法

进入checkpointData.get.doCheckpoint()方法：

spark内核揭秘-09-RDD的count操作 触发Job全生命周期-02