先對 task_usage 即任務資源使用表進行一個分析學習。 task_usage 表共有20列，代表20個屬性，具體每一列代表含義即屬性名稱如下：

1、每個測量週期是5分鐘（300秒），這也能夠佐證時間單位是微秒，因為表中每一行開始時間和結束時間數值相差為300000000。

2、第四個屬性即 task index 屬性是指將一個Job分成多個Task，對這些Task進行一個編號，一個Job下的多個Task在不同的機器上可以實現並行執行。

3、對於一個Job，可以是順序執行，不再細分為多個Task ，如下圖，Job ID 為6227108810的作業，task index 為0，一直在machine ID 為156767904 的機器上執行，看時間區間沒有重疊，是順序執行。

4、有的 Job 是並行執行，而且細分為多個Task ，如下圖，Job ID 為6232112095的作業，task index 為0--49，說明分成了50個task來執行，分佈在50個不同的machine ID 的機器上並行執行，並且在一個測量週期內（5700000000--6000000000）並沒有執行完，在下一個週期（6000000000--6300000000）中繼續50臺機器並行執行。

5、有的Job是並行任務和順序執行任務都包含，如下圖，Job ID 為3418375的作業，task index 為0--1，在前幾個個測量週期內（5700000000--7500000000）是並行執行，即分成兩個任務同時執行，但是在後幾個週期（7500000000--8100000000）中只是以一個任務的形式，在一臺機器上順序執行。這種情況應該是分的任務之間長度不一定相同，有的執行時間短，有的執行時間長，這種情形也證明了多餘每個細分的 task 來說，只能是順序執行，每個任務單元不能再分散式並行執行。

6、對於一個機器來說，在同一時間段可以執行多個不同的任務，這些任務可以來自不同的Job，也可以來自同一個Job，但是同一個任務在一個時間週期中只能執行一次，如下圖，machine ID 為6226704737的機器，在一個測量週期中執行了來自12個不同 的task，這些task有的來自同一個Job ID（6221861800），但是同一個Job 下的同一個task（例如6221861800下的10704）在一個測量週期內只能執行一次，沒執行完在下個週期繼續執行。這裡猜想同一時間段中對於不同的任務，應該採用了一些排程演算法（類似時間片輪轉排程演算法），使得這些任務看起來是在一個時間段中並行執行，其實應該是順序執行，因為就一臺機器。

7、有的 task 也沒有按照嚴格的測量週期來執行，如下圖，machine ID 為27的機器，標紅的五項為Job ID 為6252026869 下的task index 為278的任務，這個任務執行週期不是300秒，但是對於不規則的任務，他們還是順序執行，這點也更加說明了task是最小單位，不能夠再拆分成多個任務並行執行。