目錄
Mesos最早是UC Berkeley的一個研究項目，用以解決編程模型和計算框架多樣化環境下，不同框架之間的資源隔離和共享問題。儘管它的直接設計動機與YARN有所不同，但它的架構和實現策略與YARN類似，得到了一定範圍內的認可，例如Twitter就在使用。
（一）Mesos基本架構
Mesos由四個組件構成，如下圖所示：
1. Mesos Master
Mesos Master是整個系統的核心，負責管理整個系統中的資源和接入的各種框架，並將Mesos Slave上的資源按照某種策略分配給框架。爲了防止Mesos Master出現故障後導致集羣不可用，Mesos允許用戶配置多個Mesos Master，並通過ZooKeeper進行管理，當主Mesos Master出現故障後，ZooKeeper可馬上從備用Master中選擇一個提升爲新的主Mesos Master。
2. Mesos Slave
Mesos Slave負責接收並執行來自Mesos Maser的命令，並定時將任務執行狀態彙報給Mesos Master。Mesos Slave將節點上的資源使用情況發送給Mesos Master，由Mesos Master中的Allocator模塊決定將資源分配給哪個Framework。值得注意的是，當前Mesos僅考慮了CPU和內存兩種資源，爲了避免任務之間相互干擾，同YARN一樣，Mesos Slave採用了輕量級資源隔離機制Cgroups。
3. Framework Scheduler
Framework是指外部的框架，如MPI、MapReduce、Spark等，這些框架可以通過註冊的方式接入Mesos，以便Mesos進行統一管理和資源分配。Mesos要求接入的框架必須有一個調度器模塊Framework Scheduler，該調度器負責框架內部的任務調度。一個Framework在Mesos上的工作流程爲：首先通過自己的調度器向Mesos註冊，並獲取Mesos分配給自己的資源，然後再由自己的調度器將這些資源分配給框架中的任務。也就是說，同YARN一樣，Mesos系統採用了雙層調度框架：第一層，由Mesos將資源分配給框架；第二層，框架自己的調度器將資源分配給內部的各個任務。當前Mesos支持三種語言編寫的調度器，分別是C++、Java和Python，爲了向各調度器提供統一的接入方式，Mesos內部採用了C++實現了一個MesosSchedulerDriver（調度器驅動器），Framework的調度器可調用該Driver中的接口與Mesos Master交互，完成一些列功能（如註冊、資源分配等）。
4. Framework Executor
Framework Executor主要用於啓動框架內部的任務。由於不同的框架，啓動任務的接口或者方式不同，當一個新的框架要接入Mesos時，通常需要指定專有的Executor，以告訴Mesos如何啓動該框架中的任務。
（二）Mesos資源分配策略
Mesos中最核心的問題是如何構建一個兼具良好擴展性和性能的調度模型，以支持各種計算框架。由於不同框架可能有不同的調度需求，因此，爲Mesos設計一個好的調度模型是一個極具挑戰性的工作。
一種可能的解決方案時候構建一個具有豐富表達能力的中央調度器，該調度器接收來自不同框架的詳細需求描述，比如資源需求、任務調度順序和組織關係等，然後爲這些任務構建一個全局的調度序列。但是，在真實的系統中，由於每種計算框架具有不同的調度需求，且有些框架的調度需求非常複雜，因此，提供一個具有豐富表達能力的API以捕獲所有框架的需求是不太可能的，也就是說，該方案過於理想化，在真實系統中很難實現。
Mesos提供了一種簡化的方案：將資源調度的控制授權給各個框架。Mesos負責按照一些簡單的策略（如FIFO、Fair等）將資源進一步分配給各個作業。考慮到Mesos缺少對各個框架的實際資源需求的瞭解，爲保證框架能高效地獲取到自己需要的資源，它提供了三種機制：
1.資源拒絕
如果Mesos爲某個框架分配的資源不符合它的要求，則框架可以拒絕接受該資源直到出現滿足自己需求的資源。該機制使得框架在複雜的資源約束條件下，還能夠保證Mesos設計簡單和具有良好的擴展性。
2.資源過濾
每次發生資源調度時，Mesos Master均需要與Framework Scheduler進行通信，如果有些框架總是拒絕某些節點上的資源，那麼由於額外的通信開銷會使得調度性能變得低效。爲避免不必要的通信，Mesos提供了資源過濾機制，允許框架只接收來自“剩餘資源量大於L的Mesos Slave”或者“位於特定列表中的Mesos Slave”上的資源。
3.資源回收
如果某個框架在一定的時間內沒有爲分配的資源返回對應的任務，則Mesos將回收爲其分配資源，並將這些資源重新分配給其他框架。爲了支持多維資源調度，Mesos採用了主資源公平調度算法（DRF），該算法擴展了最大最小公平算法（max-min fairness），使其能夠支持多維資源的調度。
（三）Mesos與YARN的對比
儘管YARN和Mesos誕生於不同的公司和研究機構，但它們的架構卻大同小異。總體來說，YARN起源於大數據領域，目前已經形成了良好的生態系統，與其他大數據系統結合緊密；Mesos源自於集羣化服務部署，因而更加適合服務器部署與管理。下圖爲兩者組件的對應關係與相關指標對比：
