編者按

Mesos和Yarn都是非常優(yōu)秀的資源調度框架，社區(qū)也有很多的人分析二者的區(qū)別以及使用場景。之前InfoQ也有發(fā)問聊過二者的關系。目前業(yè)界用的較多的是Mesos，這篇文章就是為了解釋為什么作者選擇使用Yarn而不是Mesos，并介紹了如何基于Yarn開發(fā)分布式程序。本文首發(fā)于祝威廉的博客，經授權由InfoQ轉載發(fā)布。

前言

Mesos其實我不是非常熟悉，所以有些內容可能會有失偏頗，帶有個人喜好。大家也還是需要有自己的鑒別能力。

Mesos和Yarn都非常棒，都是可編程的框架。一個硬件，不能編程，就是死的，一旦可以編程就活了，就可以各種折騰，有各種奇思妙想可以實現，同樣的，一個軟件，只要是可編程的，基本也就活了，容易形成生態(tài)。

Yarn VS Mesos

我先說說在做容器調度引擎的時候，為什么選擇Yarn而不是Mesos。

可部署性

先說明下，這里探討的是Yarn或者Mesos集群的部署，不涉其上的應用。Yarn除了依賴JDK，對操作系統(tǒng)沒有任何依賴，基本上放上去就能跑。Mesos因為是C/C++開發(fā)的，安裝部署可能會有庫依賴。 這點我不知道大家是否看的重，反正我是看的相當重的。軟件就應該是下下來就可以Run。所以12年的時候我就自己開發(fā)了一套Java服務框架，開發(fā)完之后運行個main方法就行。讓應用包含容器，而不是要把應用丟到Tomcat這些容器，太復雜，不符合直覺。

二次開發(fā)

Yarn 對Java/Scala工程師而言，只是個Jar包，類似索引開發(fā)包Lucene，你可以把它引入項目，做任何你想要的包裝。 這是其一。

其二，Yarn提供了非常多的擴展接口，很多實現都是可插拔。可替換的，在XML配置下，可以很方便的用你的實現替換掉原來的實現，沒有太大的侵入性，所以就算是未來Yarn升級，也不會有太大問題。

相比較而言，Mesos更像是一個已經做好的產品，部署了可以直接用，但是對二次開發(fā)并不友好。

生態(tài)優(yōu)勢

Yarn 誕生于Hadoop這個大數據的“始作俑者”項目，所以在大數據領域具有先天優(yōu)勢。

1. 底層天然就是分布式存儲系統(tǒng)HDFS，穩(wěn)定高效。
2. 其上支撐了Spark、MR等大數據領域的扛頂之座，久經考驗。
3. 社區(qū)強大，最近發(fā)布版本也明顯加快，對于長任務的支持也越來越優(yōu)秀。

長任務支持

談及長任務（long running services）的支持，有人認為早先Yarn是為了支持離線短時任務的，所以可能對長任務的支持有限。其實大可不必擔心，譬如現在基于其上的Spark Streaming就是7x24小時運行的，跑起來也沒啥問題。一般而言，要支持長任務，需要考慮如下幾個點：

1. Fault tolerance，主要是AM的容錯。
2. Yarn Security，如果開啟了安全機制，令牌等的失效時間也是需要注意的。
3. 日志收集到集群。
4. 還有就是資源隔離和優(yōu)先級。如果資源隔離做的太差，會對長時任務產生影響。

大家感興趣可以先參考Jira。我看這個Jira 13年就開始了，說明這事很早就被重視起來了。下面我們隊提到的幾個點做下解釋。

Fault tolerance

1. Yarn 自身高可用。目前Yarn的Master已經實現了HA。
2. AM容錯，我看從2.4版本（看的源碼，也可能更早的版本就已經支持）就已經支持 keep containers across attempt 的選項了。什么意思呢？就是如果AM掛掉了，在Yarn重新啟動AM的過程中，所有由AM管理的容器都會被保持而不會被殺掉。除非Yarn多次嘗試都沒辦法把AM再啟動起來（默認兩次）。 這說明從底層調度上來看，已經做的很好了。

日志收集到集群

日志收集在2.6版本已經是邊運行邊收集了。

資源隔離

資源隔離的話，Yarn做的不好，目前有效的是內存，對其他方面一直想做支持，但一直有限。這估計也是很多人最后選擇Mesos的緣由。但是現在這點優(yōu)勢Mesos其實已經蕩然無存，因為Docker容器在資源隔離上已經做的足夠好。Yarn和Docker一整合，就互補了。

小結

Mesos 和 Yarn 都是非常優(yōu)秀的調度框架，各有其優(yōu)缺點，彈性調度，統(tǒng)一的資源管理是未來平臺的一個趨勢，類似的這種資源管理調度框架必定會大行其道。

一些常見的誤解

脫胎于Hadoop，繼承了他的光環(huán)和生態(tài)，然而這也會給其帶來一定的困惑，首先就是光環(huán)一直被Hadoop給蓋住了，而且由于固有的慣性，大家會理所當然的認為Yarn只是Hadoop里的一個組件，有人會想過把Yarn拿出來單獨用么？

然而，就像我在之前的一篇課程里，反復強調，Hadoop是一個軟件集合，包含分布式存儲，資源管理調度，計算框架三個部分。他們之間沒有必然的關系，是可以獨立開來的。而Yarn 就是一個資源管理調度引擎，其一開始的設計目標就是為了通用，不僅僅是跑MR。現在基于Yarn之上的服務已經非常多，典型的比如Spark。

這里還有另外一個誤區(qū)，MR目前基本算是離線批量的代名詞，這回讓人誤以為Yarn也只是適合批量離線任務的調度。其實不然，我在上面已經給出了分析，Yarn 是完全可以保證長任務的穩(wěn)定可靠的運行的。

如何基于Yarn開發(fā)分布式程序

本文不會具體教你如何使用Yarn的API，不過如果你想知道Yarn的API，但是又覺得官方文檔太過簡略，我這里倒是可以給出兩個建議：

1. 代碼使用范例可以參看Spark Yarn相關的代碼。算的上是一個非常精簡的Yarn的adaptor。
2. 買本Yarn相關的書，了解其體系結構也有助于你了解其API的設計。

接下來的內容會探討以下兩個主題：

1. 基于Yarn開發(fā)分布式程序需要做的一些準備工作
2. 基于Yarn開發(fā)容器調度系統(tǒng)的一些基本思路

基于Yarn開發(fā)分布式程序需要做的一些準備工作

肯定不能擼起袖子就開始干。開始動手前，我們需要知道哪些事情呢？

Yarn原生的API太底層，太復雜了

如果你想愉快的開發(fā)Yarn的應用，那么對Yarn的API進行一次封裝，是很有必要的。 Yarn為了靈活，或者為了能夠滿足開發(fā)者大部分的需求，底層交互的API就顯得比較原始了。自然造成開發(fā)難度很大。這個也不是我一個人覺得，現在Apache的Twill，以及Hulu他們開發(fā)的時候Adaptor那一層，其實都是為了解決這個問題。那為什么我沒有用Twill呢，第一是文檔實在太少，第二是有點復雜，我不需要這么復雜的東西。我覺得，Twill與其開發(fā)這么多功能，真的不如好好寫寫文檔。

最好是能開發(fā)一個解決一類問題的Framework

Yarn只是一個底層的資源管理和調度引擎。一般你需要基于之上開發(fā)一套解決特定問題的Framework。以Spark為例，他是解決分布式計算相關的一些問題。而以我開發(fā)的容器調度程序，其實是為了解決動態(tài)部署Web應用的。在他們之上，才是你的應用。比如你要統(tǒng)計日志，你只要在Spark上開發(fā)一個Application 。 比如你想要提供一個推薦系統(tǒng)，那么你只要用容器包裝下，就能被容器調度程序調度部署。

所以通常而言，基于Yarn的分布式應用應該符合這么一個層次：

Yarn -> Adapter -> Framework -> Application

Adapter 就是我第一條說的，你自個封裝了Yarn的API。 Framework就是解決一類問題的編程框架，Application才是你真正要解決業(yè)務的系統(tǒng)。通過這種解耦，各個層次只要關注自己的核心功能點即可。

保證你上層的Framework/Application可以移植

Spark是個典型，他可以跑在Mesos上，也可以跑在Yarn上，還可以跑在自己上面（Standalone），實時上，泡在Yarn上的，以及跑Standalone模式的，都挺多的。這得益于Spark本身不依賴于底層的資源管理調度引擎。

這其實也是我上面說的兩條帶來的好處，因為有了Adaptor，上層的Framework可以不用綁死在某個資源調度引擎上。而Framework則可以讓Applicaiton 無需關注底層調度的事情，只要關注業(yè)務即可。

另外，你費盡心機開發(fā)的Framework上，你自然是希望它能跑在更多的平臺上，已滿足更多的人的需求，對吧。

基于Yarn開發(fā)容器調度系統(tǒng)的一些基本思路

首先我們需要了解兩個概念：

• 啞應用。所謂啞應用指的是無法和分布式系統(tǒng)直接進行交互，分布式系統(tǒng)也僅僅透過容器能進行生命周期的控制，比如關閉或者開啟的應用。典型的比如MySQL、Nginx等這些基礎應用。他們一般有自己特有的交互方式，譬如命令行或者socket協(xié)議或者HTTP協(xié)議。
• 伴生組件。因為有了啞應用的存在，分布式系統(tǒng)為了能夠和這些應用交互，需要有一個代理。而這個代理和被代理的啞應用，具有相同的生命周期。典型的比如，某個服務被關停后，該事件會被分布式系統(tǒng)獲知，分布式系統(tǒng)會將該事件發(fā)送給Nginx的伴生組件，伴生組件轉化為Nginx能夠識別的指令，將停止的服務從Nginx的ProxyBackend列表中剔除。

在容器調度系統(tǒng)中，如果Yarn的NodeManager直接去管理Docker則需要Yarn本身去做支持，我覺得這是不妥的。Yarn的職責就是做好資源管理，分配，調度即可，并不需要和特定的某個技術耦合，畢竟Yarn是一個通用型的資源調度管理框架。

那基于上面的理論，我們基于Yarn，開發(fā)一套框架，這個框架會是典型的 master-slave結構（這是Yarn決定的）。這個框架的 slaves 其實都是Docker 的伴生對象。master 可以通過這些Slave 對容器實現間接的管理。

 我們簡單描述下他們的流程：

1. 用戶提交Application，申請資源；
2. Yarn啟動Framework的master；
3. Yarn啟動Framework的slave；
4. slave 連接上master，并且發(fā)送心跳，從而master知道slave的狀況slave啟動Docker，slave與被啟動的這個docker container 一一對應；
5. slave定時監(jiān)控Container；
6. slave發(fā)現container crash，slave自動退出，Yarn獲得通知，收回資源；
7. master發(fā)現有節(jié)點失敗，發(fā)出新的節(jié)點要求，重新在另外一臺服務器上啟動slave，重復從2開始的步驟。

這里還有一個問題，如果slave 被正常殺掉，可以通過JVM ShudownHook 順帶把Container也關掉。 但是如果slave被kill -9 或者異常crash掉了，那么就可能導致資源泄露了。目前是這個信息是由master上報給集群管理平臺，該平臺會定時清理。你也可以存儲該信息，譬如放到Redis或者MySQL中，然后啟動后臺清理任務即可。

了解了這個思路后，具體實施就變得簡單了，就是開發(fā)一個基于Yarn的master-slave程序即可，然后slave去管理對應的Docker容器，包括接受新的指令。master提供管理界面展示容器信息，運行狀態(tài)即可。

當然，你還可以再開發(fā)一套Framework B專門和Nginx交互，這樣比如上面的系統(tǒng)做了節(jié)點變更，通知B的master，然后B的master 通過自己的伴生組件Slave 完成Nginx的更新，從而實現后端服務的自動變更和通知。

現在看來，是不是這種概念完美的覆蓋了應用之間的交互呢？