大数据

Kubernetes community中已经有了一个Big data SIG,大家可以通过这个SIG了解kubernetes结合大数据的应用。

在Swarm、Mesos、kubernetes这三种流行的容器编排调度架构中,Mesos对于大数据应用支持是最好的,spark原生就是运行在mesos上的,当然也可以容器化运行在kubernetes上。当前在kubernetes上运行大数据应用主要是spark应用。

Spark on Kubernetes

Spark原生支持standalone、mesos和YARN的调度方式,当前kubernetes社区正在支持kubernetes的原生调度来运行spark - 。

当然您也可以在kubernetes直接部署spark on yarn或者spark standalone模式,仍然沿用已有的

Spark Standalone

使用spark standalone模式在kubernetes上运行,kubernetes不负责spark任务的调度。参考:Spark standalone on Kubernetes

这种模式中使用的spark本身负责任务调度,kubernetes只是作为一个spark的部署平台。

Spark on Yarn

使用StatefulSet和Headless serverless来实现,请参考 Spark on Yarn

这种模式中kubernetes依然不负责spark应用的调度,而只是将Yarn换了一个部署环境而已。

下面是架构图:

Spark on yarn with kubernetes

Spark on Kubernetes

Spark on kubernetes,使用kubernetes作为调度引擎,spark的任务直接调度到node节点上。参考:运行支持kubernetes原生调度的Spark程序

调度方式总结

下图显示的是三种调度方式中单个kubernetes node节点上运行的spark相关容器的调度情况。

在kubernetes上使用多种调度方式

毫无疑问,使用kubernetes原生调度的spark任务才是最节省资源的。