1.概念：task在執行前都會獲取資料的分割槽資訊進行分配，總是會優先將其分配到它要計算的資料所在節點，儘可能的減少網路傳輸

2.過程：一般會預設3s,重試5次的去分配，一旦超時失敗，將會選擇一個比上一個本地級別差的級別再一次分配，如果發生了資料傳輸，那麼task首先通過blockmanager獲取資料，如果本地沒有資料，則通過getRemote方法從資料所在節點的blockmanager獲取資料並返回至task所在節點

3.級別

PROCESS_LOCAL：程序本地化，效能最好。指程式碼和資料在同一個程序中，也就是同一個executor中；計算資料的task由executor執行，此時資料在executor的blockmanager裡
NODE_LOCAL：節點本地化。程式碼和資料在同一個節點中，資料儲存為節點的hdfs block資料塊，task在節點的某個executror執行；或者資料和task在同一個節點不同的executor中，資料需要跨程序傳輸

NO_PREF：資料從哪裡獲取都一樣，比如從資料庫中獲取資料，對於task而言沒有區別

RACK_LOCAL：資料和task在一個機架的兩個節點上，資料需要通過網路在節點之間進行傳輸

ANY：資料和task可能在叢集中的任何地方，而且不在一個機架中，效能最差

4.調節：spark.locality.wait引數預設是3s,預設情況下，以下幾個引數都是以spark.locality.wait為預設值，

spark.locality.wait.process
spark.locality.wait.node
spark.locality.wait.rack

實際情況中通過調節不同值達到最優的計算分配效果