【编者的话】不论是 YARN、Mesos 还是 Omega，都是某种意义上为集群设计的操作系统，让用户像使用一台单机一样来使用整个集群。向下集中管理所有物理资源，向上承载各种集群化的应用; 同时， docker 的出现也为云操作系统提供了更有力的支撑。

1984年，SUN 的 John Gage 说出了那句家喻户晓的名言 “网络就是计算机”

三十年后，Gage 的梦想“几乎”成为的现实。特别是随着 web 2.0 和云计算时代的到来，人们可以使用任何设备从任何地方通过互联网访问任何云端的资源。

不过即使在“云端”，实际上还是一堆物理服务器。每一台服务器的 CPU 和内存资源都是有限的，但是组合成集群就像云一样无穷无尽。套用 Gage 的名言，可以说**“集群就是计算机”**。

当单机的 **CPU 性能和硬盘容量**逐渐碰到了天花板，通过 Hadoop 这样的集群化技术来突破单机性能瓶颈就越来越流行。当然在 Hadoop 出现之前，集群方案早就应用于高性能的生产系统，例如 Weblogic 或者集群化的 WEB 服务器（复杂均衡按照 round-robin 算法将流量发送到集群中的 Web 服务器上）。这些集群方案都针对特定场景设计，无法像通用的计算机一样用来运行各种不同的软件。

Hadoop 是第一个具有通用的集群化计算平台特征的技术，而且目前已经发展地相当成熟。随着新的集群化计算技术层出不穷，例如 Spark、Storm 和 Cassandra，运维人员希望能够隔离它们以便更好的管理，同时，从节约成本的角度讲， 大家又希望公司内部各个团队能够共用这些昂贵的计算资源。

目前解决这个问题的两大法宝是 Hadoop YARN 和 Apache Mesos。Mesos 的设计受到了 Google 的 Omega 平台启发，而后者则来自 Google 内部久经实验的Borg任务管理平台。同样的事情当初也发声在 Hadoop 之上，它就是受到了 Google 的 GFS 和 Big-Table 启发。不论是 YARN、Mesos 还是 Omega，都是某种意义上为集群设计的操作系统，让用户像使用一台单机一样来使用整个集群。向下集中管理所有物理资源，向上承载各种集群化的应用。

因为 YARN 本身与 Hadoop/Map Reduce v2 绑定，对于使用早期 Hadoop 版本的开发者，升级到 YARN 也许是一个比较容易的决定。理论上可以将 YARN 跑在 Mesos 上，不过有些人担心随之而来的两层资源分配问题。

Mesos 可以支持大量的框架（插件），逐步在构建一个快速增长的生态环境。例如 Twitter的 Aurora 就是用来在 Mesos 管理的集群上进行任务调度，已经成为了 Apache 的孵化器项目。此外 Ringmaster 则用来在 Mesos 上快速运行 Cassandra 和 Spark。

Chronos 相当于 Mesos 之上的 crontable，Marathon 则相当于 init.d，让大家用熟悉的方式来调度任务。

最激动人心的还是 Docker 与 mesos 的整合，几乎让 Mesos 可以运行任何语言编写的软件。

Docker 的崛起本身和集群技术倒没有直接关系，它首先被用来代替传统的 VM（虚拟机）。容器分享了底层操作系统，远比传统 VM 更加轻量。类似技术在2000年就出现了，那就是“jail”命令。Wiki 有关词条描述了 35 年来 chroot 如何发展到 jails，最后的 Docker 和容器成为了集大成者。

Docker 化的应用像一个 tar 压缩包，在一台普通的物理机上，你可以轻松地运行数十个独立的 Docker。对于一个由 Mesos 管理的集群，而且恰好你的应用某种程度上使用了分布式的架构，那么瞬间你的集群变成了一台强大的大型机。其实 tar 本身意思是 “tape archive”，就是过去大型机磁带系统的文件格式。

使用 Docker 容器来完全取代传统的 jar 或者 ear 文件，一夜间用 Mesos 来完全取代 weblogic，还是有点操之过急——目前传统软件的架构依然是 web、计算逻辑和存储分开部署。不过对于互联网公司的后台，用 Mesos 来承载 web 服务器集群应付高并发业务，完全不是什么新鲜事儿了。

点击**查看英文源文** 源文作者：michaelmalak