replace crlf,Fix #338

2024-12-26 15:06:18 +00:00 · 2019-01-01 10:30:49 +08:00 · 2019-01-01 10:30:49 +08:00 · e2baa6401a
commit e2baa6401a
parent 560c23797a
1 changed files with 89 additions and 89 deletions
--- a/mesos/framework.md
+++ b/mesos/framework.md
@ -1,89 +1,89 @@
-## 常见应用框架
-
-应用框架是实际干活的，可以理解为 Mesos 之上跑的 `应用`。应用框架注册到 Mesos master 服务上即可使用。
-
-用户大部分时候，只需要跟应用框架打交道。因此，选择合适的应用框架十分关键。
-
-Mesos 目前支持的应用框架分为四大类：长期运行任务（以及 PaaS）、大数据处理、批量调度、数据存储。
-
-随着 Mesos 自身的发展，越来越多的框架开始支持 Mesos，下面总结了目前常用的一些框架。
-
-### 长期运行的服务
-
-#### [Aurora](http://aurora.incubator.apache.org)
-
-利用 Mesos 调度安排的任务，保证任务一直在运行。
-
-提供 REST 接口，客户端和 webUI（8081 端口）
-
-#### [Marathon](https://github.com/mesosphere/marathon)
-
-一个私有 PaaS 平台，保证运行的应用不被中断。
-
-如果任务停止了，会自动重启一个新的相同任务。
-
-支持任务为任意 bash 命令，以及容器。
-
-提供 REST 接口，客户端和 webUI（8080 端口）
-
-#### [Singularity](https://github.com/HubSpot/Singularity)
-
-一个私有 PaaS 平台。
-
-调度器，运行长期的任务和一次性任务。
-
-提供 REST 接口，客户端和 webUI（7099、8080 端口），支持容器。
-
-### 大数据处理
-#### [Cray Chapel](https://github.com/nqn/mesos-chapel)
-
-支持 Chapel 并行编程语言的运行框架。
-
-#### [Dpark](https://github.com/douban/dpark)
-
-Spark 的 Python 实现。
-
-#### [Hadoop](https://github.com/mesos/hadoop)
-
-经典的 map-reduce 模型的实现。
-
-#### [Spark](http://spark.apache.org)
-
-跟 Hadoop 类似，但处理迭代类型任务会更好的使用内存做中间状态缓存，速度要快一些。
-
-#### [Storm](https://github.com/mesos/storm)
-
-分布式流计算，可以实时处理数据流。
-
-### 批量调度
-#### [Chronos](https://github.com/airbnb/chronos)
-
-Cron 的分布式实现，负责任务调度，支持容错。
-
-#### [Jenkins](https://github.com/jenkinsci/mesos-plugin)
-
-大名鼎鼎的 CI 引擎。使用 mesos-jenkins 插件，可以将 jenkins 的任务被 Mesos 集群来动态调度执行。
-
-#### [JobServer](http://www.grandlogic.com/content/html_docs/jobserver.html)
-
-基于 Java 的调度任务和数据处理引擎。
-
-#### [GoDocker](https://bitbucket.org/osallou/go-docker)
-
-基于 Docker 容器的集群维护工具。提供用户接口，除了支持 Mesos，还支持 Kubernetes、Swarm 等。
-
-### 数据存储
-
-#### [ElasticSearch](https://github.com/mesos/elasticsearch)
-
-功能十分强大的分布式数据搜索引擎。
-
-一方面通过分布式集群实现可靠的数据库，一方面提供灵活的 API，对数据进行整合和分析。ElasticSearch + LogStash + Kibana 目前合成为 ELK 工具栈。
-
-#### [Hypertable](https://code.google.com/p/hypertable)
-
-高性能的分布式数据库，支持结构化或者非结构化的数据存储。
-
-#### [Tachyon](http://tachyon-project.org/)
-
-内存为中心的分布式存储系统，利用内存访问的高速提供高性能。
+## 常见应用框架
+
+应用框架是实际干活的，可以理解为 Mesos 之上跑的 `应用`。应用框架注册到 Mesos master 服务上即可使用。
+
+用户大部分时候，只需要跟应用框架打交道。因此，选择合适的应用框架十分关键。
+
+Mesos 目前支持的应用框架分为四大类：长期运行任务（以及 PaaS）、大数据处理、批量调度、数据存储。
+
+随着 Mesos 自身的发展，越来越多的框架开始支持 Mesos，下面总结了目前常用的一些框架。
+
+### 长期运行的服务
+
+#### [Aurora](http://aurora.incubator.apache.org)
+
+利用 Mesos 调度安排的任务，保证任务一直在运行。
+
+提供 REST 接口，客户端和 webUI（8081 端口）
+
+#### [Marathon](https://github.com/mesosphere/marathon)
+
+一个私有 PaaS 平台，保证运行的应用不被中断。
+
+如果任务停止了，会自动重启一个新的相同任务。
+
+支持任务为任意 bash 命令，以及容器。
+
+提供 REST 接口，客户端和 webUI（8080 端口）
+
+#### [Singularity](https://github.com/HubSpot/Singularity)
+
+一个私有 PaaS 平台。
+
+调度器，运行长期的任务和一次性任务。
+
+提供 REST 接口，客户端和 webUI（7099、8080 端口），支持容器。
+
+### 大数据处理
+#### [Cray Chapel](https://github.com/nqn/mesos-chapel)
+
+支持 Chapel 并行编程语言的运行框架。
+
+#### [Dpark](https://github.com/douban/dpark)
+
+Spark 的 Python 实现。
+
+#### [Hadoop](https://github.com/mesos/hadoop)
+
+经典的 map-reduce 模型的实现。
+
+#### [Spark](http://spark.apache.org)
+
+跟 Hadoop 类似，但处理迭代类型任务会更好的使用内存做中间状态缓存，速度要快一些。
+
+#### [Storm](https://github.com/mesos/storm)
+
+分布式流计算，可以实时处理数据流。
+
+### 批量调度
+#### [Chronos](https://github.com/airbnb/chronos)
+
+Cron 的分布式实现，负责任务调度，支持容错。
+
+#### [Jenkins](https://github.com/jenkinsci/mesos-plugin)
+
+大名鼎鼎的 CI 引擎。使用 mesos-jenkins 插件，可以将 jenkins 的任务被 Mesos 集群来动态调度执行。
+
+#### [JobServer](http://www.grandlogic.com/content/html_docs/jobserver.html)
+
+基于 Java 的调度任务和数据处理引擎。
+
+#### [GoDocker](https://bitbucket.org/osallou/go-docker)
+
+基于 Docker 容器的集群维护工具。提供用户接口，除了支持 Mesos，还支持 Kubernetes、Swarm 等。
+
+### 数据存储
+
+#### [ElasticSearch](https://github.com/mesos/elasticsearch)
+
+功能十分强大的分布式数据搜索引擎。
+
+一方面通过分布式集群实现可靠的数据库，一方面提供灵活的 API，对数据进行整合和分析。ElasticSearch + LogStash + Kibana 目前合成为 ELK 工具栈。
+
+#### [Hypertable](https://code.google.com/p/hypertable)
+
+高性能的分布式数据库，支持结构化或者非结构化的数据存储。
+
+#### [Tachyon](http://tachyon-project.org/)
+
+内存为中心的分布式存储系统，利用内存访问的高速提供高性能。