【摘要】：不同的是在接受资源后，MesosSchedulerBackend启动的是基于单个任务的远程Execu-tor，通过在远程执行./sbin/spark-executor命令来启动MesosExecutorBackend，在MesosEx-ecutorbackend中直接启动和执行对应的任务。两种颗粒度的调度模式各有优缺点，粗粒度模式中，一旦Executor获取资源就长期占有，容易资源浪费，但是减少了资源的时间开销；而细粒度模式是根据任务的实际情况动态调度的，它的特点去粗粒度正好相反。你可以在程序中通过设置spark.mesos.coarse来选择是否使用粗粒度的调度模式：conf.set。
对于Mesos的粗粒度模式，CoarseMesoschedulerBackend实现了Mesos的Scheduler接口，并将其注册到Mesos资源调度框架中，用于接收Mesos的资源分配，在得到资源后通过Me-sos框架远程启动CoarseGrainedExecutorBackend，之后的任务交互过程和Spark Standalone模式一样，由Driver Actor和Executor Actor直接完成。
对于Mesos的细粒度模式，MesosSchedulerBackend直接继承自SchedulerBackend，它同样实现了Mesos的Scheduler接口并注册到Mesos资源调度的框架中用于接收Mesos的资源分配。不同的是在接受资源后，MesosSchedulerBackend启动的是基于单个任务的远程Execu-tor，通过在远程执行./sbin/spark-executor命令来启动MesosExecutorBackend，在MesosEx-ecutorbackend中直接启动和执行对应的任务。(www.xing528.com)
两种颗粒度的调度模式各有优缺点，粗粒度模式中，一旦Executor获取资源就长期占有，容易资源浪费，但是减少了资源的时间开销；而细粒度模式是根据任务的实际情况动态调度的，它的特点去粗粒度正好相反。你可以在程序中通过设置spark.mesos.coarse来选择是否使用粗粒度的调度模式：conf.set（“spark.mesos.coarse”，”true”）。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
