spark有些情况下单个任务运行特别慢，
比如原因有：数据倾斜，或者那个task所在机器配置较差等。
这种情况下可以开启预测执行（推测执行）。
推测执行优化机制采用了典型的以空间换时间的优化策略，
它同时启动多个相同task（备份任务）处理相同的数据块，哪个完成的早，则采用哪个task的结果，这样可防止拖后腿Task任务出现，进而提高作业计算速度。
但是，这样却会占用更多的资源，在集群资源紧缺的情况下，设计合理的推测执行机制可在多用少量资源情况下，减少大作业的计算时间。
配置如下：
# 预测执行
spark.speculation true
# 检查是否需要预测执行的间隔时间
spark.speculation.interval 5000ms
# 触发预测执行条件：成功task占比
spark.speculation.quantile 0.9
可以配在 conf/spark-defaults.conf中
也可以在提交spark任务的时候添加：
–conf spark.speculation=true \