一 speculative简介
在spark作业运行中，一个spark作业会构成一个DAG调度图，一个DAG又切分成多个stage，一个stage由多个Task组成，一个stage里面的不同task的执行时间可能不一样，有的task很快就执行完成了，而有的可能执行很长一段时间也没有完成。造成这种情况的原因可能是集群内机器的配置性能不同、网络波动、或者是由于数据倾斜引起的。而推测执行(speculative)就是当出现同一个stage里面有task长时间完成不了任务，spark就会在不同的executor上再启动一个task来跑这个任务，然后看哪个task先完成，就取该task的结果，并kill掉另一个task。其实对于集群内有不同性能的机器开启这个功能是比较有用的。
二 如何在spark中启动speculative
1，在spark-env.sh里设置
spark.speculation=true # 这样会作用到所有spark任务
2，在代码里通过sparkConf设置
conf.set("spark.speculation", true)
3,在用spark sql时
spark.sql("set spark.speculation = true")
4,map和reduce可以分开设置
sqlContext.sql("set mapreduce.map.speculative = true")
sqlContext.sql("set mapreduce.reduce.speculative = true")
三 speculative 运行机制
1， 监控Slow Task(Straggler Task)
spark程序运行时，会在TaskSchedulerImpl类中启动一个独立的线程池(task-scheduler-speculation)每100ms检查一次所有Task中是否有Slow Task.
2, Straggler Task衡量指标
如下图所示，在Spark调度作业中，DAGScheduler会将每个Stage中的Task封装到TaskSet，并将TaskSet交给TaskScheduler，TaskScheduler 会按顺序将Task发给Executor，并由Executor端执行这些Task。在这些Task计算过程中，Driver端如何衡量哪些Task是Straggler Task（TaskSet中所有的Task都是并行计算，在不同的Executor中计算），这个衡量过程Spark称为Speculative Task，符合Speculative Task的Task，Spark 称为Straggler Task.
相关参数
spark.speculation.interval 100：检测周期，单位毫秒
spark.speculation.quantile 0.75：完成task的百分比
spark.speculation.multiplier 1.5：时间比例
spark.speculation.interval 参数的意思是设置检测周期，默认100毫秒检测一次是否执行推测执行。
spark.speculation.quantile 参数的意思是同一个stage里面有task完成的百分比，默认为75%。
spark.speculation.multiplier 这个参数是一个时间比例。意思是当task完成了75%的时候，取完成了的task的执行时间的中位数，再乘以这个时间比例，默认为1.5。当未完成的task的执行时间超过了这个乘积值，就开启推测执行。
现存问题：
在分布式环境中导致某个Task执行缓慢的情况有很多，负载不均、程序bug、资源不均、数据倾斜等，而且这些情况在分布式任务计算环境中是常态。Speculative Task这种以空间换时间的思路对计算资源是种压榨，同时如果Speculative Task本身也变成了Slow Task会导致情况进一步恶化。