Apache Spark支持四種分布式部署方式，分別是standalone、spark on?mesos和 spark on?YARN，Kubernetes?其中，第一種類似于MapReduce 1.0所采用的模式，內(nèi)部實現(xiàn)了容錯性和資源管理，后兩種則是未來發(fā)展的趨勢，部分容錯性和資源管理交由統(tǒng)一的資源管理系統(tǒng)完成：讓Spark運行在一個通用的資源管理系統(tǒng)之上，這樣可以與其他計算框架，比如MapReduce，公用一個集群資源，最大的好處是降低運維成本和提高資源利用率（資源按需分配）。本文將介紹這四種部署方式，并比較其優(yōu)缺點。

standalone模式

即獨立模式，自帶完整的服務，可單獨部署到一個集群中，無需依賴任何其他資源管理系統(tǒng)。從一定程度上說，該模式是其他兩種的基礎。借鑒Spark開發(fā)模式，我們可以得到一種開發(fā)新型計算框架的一般思路：先設計出它的standalone模式，為了快速開發(fā)，起初不需要考慮服務（比如master/slave）的容錯性，之后再開發(fā)相應的wrapper，將stanlone模式下的服務原封不動的部署到資源管理系統(tǒng)yarn或者mesos上，由資源管理系統(tǒng)負責服務本身的容錯。目前Spark在standalone模式下是沒有任何單點故障問題的，這是借助zookeeper實現(xiàn)的，思想類似于Hbase master單點故障解決方案。將Spark standalone與MapReduce比較，會發(fā)現(xiàn)它們兩個在架構(gòu)上是完全一致的：

1) ?都是由master/slaves服務組成的，且起初master均存在單點故障，后來均通過zookeeper解決（Apache MRv1的JobTracker仍存在單點問題，但CDH版本得到了解決）；

2) 各個節(jié)點上的資源被抽象成粗粒度的slot，有多少slot就能同時運行多少task。不同的是，MapReduce將slot分為map slot和reduce slot，它們分別只能供Map Task和Reduce Task使用，而不能共享，這是MapReduce資源利率低效的原因之一，而Spark則更優(yōu)化一些，它不區(qū)分slot類型，只有一種slot，可以供各種類型的Task使用，這種方式可以提高資源利用率，但是不夠靈活，不能為不同類型的Task定制slot資源。總之，這兩種方式各有優(yōu)缺點。

Spark On Mesos模式

這是很多公司采用的模式，官方推薦這種模式（當然，原因之一是血緣關(guān)系）。正是由于Spark開發(fā)之初就考慮到支持Mesos，因此，目前而言，Spark運行在Mesos上會比運行在YARN上更加靈活，更加自然。目前在Spark On Mesos環(huán)境中，用戶可選擇兩種調(diào)度模式之一運行自己的應用程序（可參考Andrew Xia的“Mesos Scheduling Mode on Spark”）：

1) ? 粗粒度模式（Coarse-grained Mode）：每個應用程序的運行環(huán)境由一個Dirver和若干個Executor組成，其中，每個Executor占用若干資源，內(nèi)部可運行多個Task（對應多少個“slot”）。應用程序的各個任務正式運行之前，需要將運行環(huán)境中的資源全部申請好，且運行過程中要一直占用這些資源，即使不用，最后程序運行結(jié)束后，回收這些資源。舉個例子，比如你提交應用程序時，指定使用5個executor運行你的應用程序，每個executor占用5GB內(nèi)存和5個CPU，每個executor內(nèi)部設置了5個slot，則Mesos需要先為executor分配資源并啟動它們，之后開始調(diào)度任務。另外，在程序運行過程中，mesos的master和slave并不知道executor內(nèi)部各個task的運行情況，executor直接將任務狀態(tài)通過內(nèi)部的通信機制匯報給Driver，從一定程度上可以認為，每個應用程序利用mesos搭建了一個虛擬集群自己使用。

2) ? 細粒度模式（Fine-grained Mode）：鑒于粗粒度模式會造成大量資源浪費，Spark On Mesos還提供了另外一種調(diào)度模式：細粒度模式，這種模式類似于現(xiàn)在的云計算，思想是按需分配。與粗粒度模式一樣，應用程序啟動時，先會啟動executor，但每個executor占用資源僅僅是自己運行所需的資源，不需要考慮將來要運行的任務，之后，mesos會為每個executor動態(tài)分配資源，每分配一些，便可以運行一個新任務，單個Task運行完之后可以馬上釋放對應的資源。每個Task會匯報狀態(tài)給Mesos slave和Mesos Master，便于更加細粒度管理和容錯，這種調(diào)度模式類似于MapReduce調(diào)度模式，每個Task完全獨立，優(yōu)點是便于資源控制和隔離，但缺點也很明顯，短作業(yè)運行延遲大。

Spark On YARN模式

這是一種最有前景的部署模式。但限于YARN自身的發(fā)展，目前僅支持粗粒度模式（Coarse-grained Mode）。這是由于YARN上的Container資源是不可以動態(tài)伸縮的，一旦Container啟動之后，可使用的資源不能再發(fā)生變化，不過這個已經(jīng)在YARN計劃中了。

spark on yarn 的支持兩種模式：?

? ? ?1) yarn-cluster：適用于生產(chǎn)環(huán)境；?

? ? ?2) yarn-client：適用于交互、調(diào)試，希望立即看到app的輸出?

yarn-cluster和yarn-client的區(qū)別在于yarn appMaster，每個yarn app實例有一個appMaster進程，是為app啟動的第一個container；負責從ResourceManager請求資源，獲取到資源后，告訴NodeManager為其啟動container。yarn-cluster和yarn-client模式內(nèi)部實現(xiàn)還是有很大的區(qū)別。如果你需要用于生產(chǎn)環(huán)境，那么請選擇yarn-cluster；而如果你僅僅是Debug程序，可以選擇yarn-client。

Kubernetes模式

后續(xù)補充。。。

總結(jié)：?

這四種分布式部署方式各有利弊，通常需要根據(jù)實際情況決定采用哪種方案。進行方案選擇時，往往要考慮公司的技術(shù)路線（采用Hadoop生態(tài)系統(tǒng)還是其他生態(tài)系統(tǒng)）、相關(guān)技術(shù)人才儲備等。上面涉及到Spark的許多部署模式，究竟哪種模式好這個很難說，需要根據(jù)你的需求，如果你只是測試Spark Application，你可以選擇local模式。而如果你數(shù)據(jù)量不是很多，Standalone 是個不錯的選擇。當你需要統(tǒng)一管理集群資源（Hadoop、Spark等），那么你可以選擇Yarn或者mesos，但是這樣維護成本就會變高。?

· 從對比上看，mesos似乎是Spark更好的選擇，也是被官方推薦的?

· 但如果你同時運行hadoop和Spark,從兼容性上考慮，Yarn是更好的選擇。 · 如果你不僅運行了hadoop，spark。還在資源管理上運行了docker，Mesos更加通用。?

· Standalone對于小規(guī)模計算集群更適合！

---------------------

作者：菜鳥級的IT之路

來源：CSDN

原文：https://blog.csdn.net/WYpersist/article/details/79731621

版權(quán)聲明：本文為博主原創(chuàng)文章，轉(zhuǎn)載請附上博文鏈接！