大数据日知录【第四章：集群资源管理与调度】笔记--这些资源怎么调度？

面对各种各样的服务需要的计算系统和框架，对于资源而言，常见的资源调度方法时静态划分方法，框架之间各行其是，但是利用效率低。

调度设计的基本问题：

　　资源具有异质性（有的机器配置高，有的低）所以要分成一个个小粒度的资源　　

　　数据局部性（移动计算而不是移动数据）

　　支持抢占资源 or not

　　分配资源粒度：全分or不分(MPI)  或者 增量满足式分配策略（MapReduce）

目前的发展将资源看成一个整体，上方抽象出一个资源调度系统。

常用的资源调度系统模型：

　　负责执行job的机器有一个节点管理器且可划分为多个相互隔离的容器，每一个容器（Container）都可以执行任务，节点管理器一方面负责本机向资源收集器汇报自己的资源情况，另外一方面负责将任务纳入到本机的某一个容易中执行。

　　调度器由资源收集器和资源调度策略构成，资源收集器收集节点回传回来的资源状态并反映到资源池中，资源调度策略是负责具体将哪些可用资源分配给哪些任务。

　　常见的调度器有两级，第一级为中央调度器，可以看到有哪些资源，调度哪些资源分配给各个计算框架（粗粒度），第二季为框架调度器，根据中央调度器分配的资源进一步细粒度的进行资源调度。（Mesos,YARN）

Mesos:

　　不支持抢占式，分配给计算框架资源然后等着它执行完，支持框架可拒绝分配和框架描述所需资源的功能，支持公平调度和优先级调度

YARN：

　　RM（资源管理器）相当于中央调度器

　　AM（应用管理器）担任二级调度器的角色  AM向RM申请资源并可以明确资源的配置要求并协调各个任务的执行

　　NM（节点管理器），NM负责容器资源的管理，容器之间的依赖，容器之间资源的隔离等等。