作者 | .NY&XX，CSDN 博客专家
责编 | 唐小引
头图 | CSDN 下载自东方 IC
出品 | CSDN 博客
前言
大多数底层平台必须支撑上层的多种服务，如媒体流服务、深度学习计算框架等，如果采用传统的基于 MapReduce 分布式计算框架必将带来扩展性差、资源利用率低、无法支持多种框架的问题。上层的每个服务组件的实现均是一个分布式子系统，如果单独实现，必然造成各组件之间完全孤立维护与管理。
设计思路
为了解决这个问题，解决方案则是考虑将各个服务组件的资源管理与作业控制进行分离，并且加入基于 Docker 容器的资源管理方案。
将资源管理整合成一个资源管理与调度平台，而作业控制则放到应用程序框架中从而解决扩展性差的问题。各个服务组件中的各个模块则采用虚拟化容器 Docker 进行资源隔离，提高了资源利用率，同时也保证了安全性。在基于容器的分布式资源管理平台之上，可以构建类似于视频流服务、深度学习计算框架等服务，形成媒体智能处理层。
基于多种面向有向无环图（DAG）任务的调度方式，将业务平台与资源管理平台进行解耦，达到资源的高效利用。
架构设计方案
采用 Master/Slave 架构，分别对应 RC（Resource Control）、NC（Node Control）和 SAS。RC 负责整个集群的资源管理和调度，NC 负责单个节点的资源管理，SAS 负责保存框架实例的服务访问入口
具体架构示意图如下：
各个功能模块如下：
-
Framework（FW）：应用程序框架，包含该应用程序的所有模块，如应用程序框架内的 master、slave 等。
-
RC：资源控制节点，是一个全局的资源管理器，负责整个系统的资源管理与分配。
-
NC：节点控制，NC 是每个节点上的资源和作业管理器。
-
Docker Container：虚拟化的应用容器，用于资源隔离。在每台机器上，一个 Docker Container 对应一个 Framework 实例，因此 Framework 实例内部的资源可以共享，Framework 实例间的资源不能共享。
-
FW Master：框架实例内部的 Master 模块。
-
FW Slave：框架实例内部的 Slave 模块。（注：FW Master 和 FW Slave 这里是相对的，如 A 启动 B，B 启动 C。对于 A 来说，B 是 FW Slave，但对于 C 来说，B 是 FW Master。）
-
Portal/Client：Portal 和 Client 提供给用户不同的操作接口，拥有相同的协议。用户可以提交制作好的框架的 Image（镜像），启动关闭框架，以及查询平台的资源情况和框架的资源使用情况，同时提供框架业务数据查询的重定向功能。
-
Docker 仓库：存放所有 Framework Image 的仓库。
-
LS：日志服务器，负责记录操作日志等。
-
SAS：保存框架实例的服务访问入口。
本文为 CSDN 博客专家「.NY&XX」的原创文章。
原文链接：https://blog.csdn.net/songguangfan/article/details/104433894
,
