重新認(rèn)識Mesos的設(shè)計架構(gòu)
Mesos中包含四類主要的服務(wù)（實際上是一個socket server），它們分別是Mesos Master，Mesos Slave，SchedulerProcess和ExecutorProcess，它們之間通過Protocal Buffer消息進行通信，每種服務(wù)內(nèi)部注冊了若干種Protocal Buffer消息處理器，一旦收到某種消息，則會調(diào)用相應(yīng)的消息處理器進行處理。除了以上四種服務(wù)之外，Mesos還對外提供了三種可編程組件，分別是 Alloctor、Framework Scheduler和Framework Executor，編寫這幾個組件必須按照要求實現(xiàn)了幾個接口，而這些接口將分別被下圖中相鄰的服務(wù)調(diào)用。
大部分人看到以上Mesos架構(gòu)后，均會認(rèn)為Framework必須是一個通用的框架，比如MapReduce、Storm、Spark等，而 Mesos Master負(fù)責(zé)將資源分配給各個框架，而各個框架的Scheduler進一步將資源分配給其內(nèi)部的各個應(yīng)用程序。這種觀念是錯誤的，是對Mesos架構(gòu) 的一種錯誤解讀。
事實上，F(xiàn)ramework不僅可以是通用的框架，也可以是像Hadoop的Job或者YARN的Application那樣的簡單計算任務(wù)，也就 是說，F(xiàn)ramework并需要一定是一個“Framework”，或者一個長時間運行的服務(wù)（比如JobTracker等），也可以是一個短生命周期的 Job或者Application。如果讓Framework對應(yīng)一個Hadoop Job，則可以這樣設(shè)計Framework Scheduler和Framework Executor：
（1）Framework Scheduler功能
Framework Scheduler負(fù)責(zé)按照作業(yè)的輸入數(shù)據(jù)量，將之分解成若干任務(wù)，并為這些任務(wù)申請資源、監(jiān)控這些任務(wù)的運行狀態(tài)，一旦發(fā)現(xiàn)某個任務(wù)運行失敗則重新為之申請資源。
（2）Framework Executor功能
為一個節(jié)點上的Map Task或者Reduce Task準(zhǔn)備運行環(huán)境，包括準(zhǔn)備各種jar包、二進制文件，設(shè)置必要的環(huán)境變量，進行必要的資源隔離，啟動Jetty Shuffle以為Reduce Task提供遠程數(shù)據(jù)拷貝服務(wù)等，接收來自Framework Scheduler的命令（啟動任務(wù)、殺死任務(wù)等），并執(zhí)行。
通過上面的介紹可以知道，F(xiàn)ramework Scheduler只負(fù)責(zé)運行一個Hadoop Job，而如果你對YARN比較熟悉，便會發(fā)現(xiàn)者正是YARN中的MapReduce ApplicationMaster做的事情，沒錯，Mesos與YARN的設(shè)計架構(gòu)如此的相近，以至于我們很容易通過修改YARN 的任何一個ApplicationMaster，讓它作為一個Framework Scheduler運行在Mesos中。
最近Mesos提供了一個mesos-submit工具（https://github.com/apache/mesos/blob/trunk/docs/Using-the-mesos-submit-tool.md，注意，該工具尚不完善），該工具可以讓用戶的Framework Scheduler運行在任何一個Mesos Slave上，以防止客戶端運行過多的Framework Scheduler，這樣，Mesos的整個架構(gòu)和工作流程已經(jīng)變得與YARN相差無幾了。
為了讓大家更容易理解Mesos和YARN在架構(gòu)上的相似性，下面給出了Mesos和YARN的組件對應(yīng)表：
| Mesos中的組件 | YARN中的組件 | 功能 |
| Mesos Master | Resource Manager | 整個集群的資源管理和調(diào)度 |
| Mesos Slave | Node Manager | 單個節(jié)點的資源管理（資源隔離、匯報等）、任務(wù)啟動等 |
| Framework Executor | ||
| Framework Scheduler | ApplicationMaster | 單個應(yīng)用程序的管理和資源二次調(diào)度，基本操作均包括注冊、資源申請/獲取、資源分配（給內(nèi)部的任務(wù)）等。 |
既然Mesos和YARN如此的相近，那么我們到底應(yīng)該使用哪一個呢？或者說，哪一個系統(tǒng)更有前景？
就目前看來，YARN在以下幾個方面存在明顯優(yōu)勢：（1）人力投入大。目前YARN有專門的公司（hortonwork）維護和開發(fā) （2）知名度高。YARN之前從Hadoop 1.0中演化而來，繼承了Hadoop的知名度，且有大量公司和開發(fā)人員共享patch。然而，Mesos***優(yōu)點的設(shè)計簡單、容易上手使用，它不像 YARN那樣，一個資源的分配過程要涉及到若干個狀態(tài)機，且每種狀態(tài)機十幾種狀態(tài)，十幾種事件。但穩(wěn)定性看，兩個系統(tǒng)都處于研發(fā)和測試階段，離穩(wěn)定可用還 有一段距離。
