docker_practice/mesos/architecture.md

6.3 KiB
Raw Blame History

原理与架构

首先,再次需要强调 Mesos 自身只是一个资源调度框架,并非一整套完整的应用管理平台,所以只有 Mesos 自己是不能干活的。但是基于 Mesos可以比较容易地为各种应用管理框架或者中间件平台作为 Mesos 的应用)提供分布式运行能力;同时多个框架也可以同时运行在一个 Mesos 集群中,提高整体的资源使用效率。

Mesos 对自己定位范围的划分,使得它要完成的任务很明确,其它任务框架也可以很容易的与它进行整合。

架构

下面这张基本架构图来自 Mesos 官方。

mesos 的基本架构

可以看出Mesos 采用了经典的主-从master-slave架构其中主节点管理节点可以使用 zookeeper 来做 HA。

Mesos master 服务将运行在主节点上Mesos slave 服务则需要运行在各个计算任务节点上。

负责完成具体任务的应用框架们,跟 Mesos master 进行交互,来申请资源。

基本单元

Mesos 中有三个基本的组件管理服务master、任务服务slave以及应用框架framework

管理服务 - master

跟大部分分布式系统中类似,主节点起到管理作用,将看到全局的信息,负责不同应用框架之间的资源调度和逻辑控制。应用框架需要注册到管理服务上才能被使用。

用户和应用需要通过主节点提供的 API 来获取集群状态和操作集群资源。

任务服务 - slave

负责汇报本从节点上的资源状态(空闲资源、运行状态等等)给主节点,并负责隔离本地资源来执行主节点分配的具体任务。

隔离机制目前包括各种容器机制,包括 LXC、Docker 等。

应用框架 - framework

应用框架是实际干活的,包括两个主要组件:

  • 调度器scheduler注册到主节点等待分配资源
  • 执行器executor在从节点上执行框架指定的任务框架也可以使用 Mesos 自带的执行器,包括 shell 脚本执行器和 Docker 执行器)。

应用框架可以分两种:一种是对资源的需求是会扩展的(比如 Hadoop、Spark 等申请后还可能调整一种是对资源需求大小是固定的MPI 等),一次申请即可。

调度

对于一个资源调度框架来说,最核心的就是调度机制,怎么能快速高效地完成对某个应用框架资源的分配,是核心竞争力所在。最理想情况下(大部分时候都无法实现),最好是能猜到应用们的实际需求,实现最大化的资源使用率。

Mesos 为了实现尽量优化的调度采取了两层two-layer的调度算法。

算法基本过程

调度的基本思路很简单master 先全局调度一大块资源给某个 frameworkframework 自己再实现内部的细粒度调度,决定哪个任务用多少资源。两层调度简化了 Mesos master 自身的调度过程,通过将复杂的细粒度调度交由 framework 实现,避免了 Mesos master 成为性能瓶颈。

调度机制支持插件机制来实现不同的策略。默认是 Dominant Resource FairnessDRF

DRF 算法细节可以参考论文《Dominant Resource Fairness: Fair Allocation of Multiple Resource Types》。其核心思想是对不同类型资源的多个请求计算请求的主资源类型然后根据主资源进行公平分配。

调度过程

调度通过 offer 发送的方式进行交互。一个 offer 是一组资源,例如 <1 CPU, 2 GB Mem>

基本调度过程如下:

  • 首先slave 节点会周期性汇报自己可用的资源给 master
  • 某个时候master 收到应用框架发来的资源请求,根据调度策略,计算出来一个资源 offer 给 framework
  • framework 收到 offer 后可以决定要不要,如果接受的话,返回一个描述,说明自己希望如何使用和分配这些资源来运行某些任务(可以说明只希望使用部分资源,则多出来的会被 master 收回);
  • 最后master 则根据 framework 答复的具体分配情况发送给 slave以使用 framework 的 executor 来按照分配的资源策略执行任务。

具体给出一个例子,某从节点向主节点汇报自己有 <4 CPU, 8 GB Mem> 的空闲资源,同时,主节点看到某个应用框架请求 <3 CPU, 6 GB Mem>,就创建一个 offer <slave#1, 4 CPU, 8 GB Mem> 把满足的资源发给应用框架。应用框架(的调度器)收到 offer 后觉得可以接受,就回复主节点,并告诉主节点希望运行两个任务:一个占用 <1 CPU, 2 GB Mem>,一个占用 一个占用 <2 CPU, 4 GB Mem>。主节点收到任务信息后分配任务到从节点上进行运行(实际上是应用框架的执行器来负责执行任务)。任务运行结束后资源可以被释放出来。

剩余的资源还可以继续分配给其他应用框架或任务。

应用框架在收到 offer 后,如果 offer 不满足自己的偏好(例如希望继续使用上次的 slave 节点),则可以选择拒绝 offer等待 master 发送新的 offer 过来。另外,可以通过过滤器机制来加快资源的分配过程。

过滤器

framework 可以通过过滤器机制告诉 master 它的资源偏好,比如希望分配过来的 offer 有哪个资源,或者至少有多少资源等。

过滤器可以避免某些应用资源长期分配不到所需要的资源的情况,加速整个资源分配的交互过程。

回收机制

为了避免某些任务长期占用集群中资源Mesos 也支持回收机制。

主节点可以定期回收计算节点上的任务所占用的资源,可以动态调整长期任务和短期任务的分布。

HA

从架构上看,最为核心的节点是 master 节点。除了使用 ZooKeeper 来解决单点失效问题之外Mesos 的 master 节点自身还提供了很高的鲁棒性。

Mesos master 节点在重启后,可以动态通过 slave 和 framework 发来的消息重建内部状态,虽然可能导致一定的时延,但这避免了传统控制节点对数据库的依赖。

当然,为了减少 master 节点的负载过大,在集群中 slave 节点数目较多的时候,要避免把各种通知的周期配置的过短。实践中,可以通过部署多个 Mesos 集群来保持单个集群的规模不要过大。