关于资源管理业界主要框架，大家可以看我前面的文章。资源管理框架（mesos/YARN/coraca/Torca/Omega)选型分析。业界当前最典型的就是YARN和MESOS，各自有支持者。
YARN和MESOS基本原理和框架类似，都是二层调度的思路，将集群的资源统一拿出来单独管理，在框架的本身上在构建应用，应用负责任务的创建，调度，框架本身负责资源的分配。可以说当前资源管理框架主要做到了两个基本点：
1、分：集群资源统一管理，根据应用进行分配。YARN上有从hadoop 1.0继承过来的Fair Scheduler和Capacity Scheduler，Mesos采用DRF算法。
2、管：不管是YARN还是MESOS都是采用LXC的container技术，隔离技术上并不成熟，工业应用上存在很多问题，尤其是内存，应用请求内存存在peak，很难从头到尾分配一个固定的内存给应用。
在资源隔离技术上，开源上在持续完善和发力，如YARN在不断完善内存/CPU的隔离技术，并公布了IO隔离方面的下一步涉及。IO资源分为磁盘IO和网络IO两种。目前YARN已经在这两方面展开工作，初步的设计文档已经发布，具体可参考：https://issues.apache.org/jira/browse/YARN-2139 和https://issues.apache.org/jira/browse/YARN-2140。
但是资源管理框架的假设前提是，各个应用是清楚自己应该占用多少资源，并且资源占用之后在整个生命周期内都最好不变，在工业应用中，这个是非常不现实的。
所以未来资源管理除了在隔离技术上突破之外，应该还要关注：
1、完善资源使用收集反馈机制，资源分配出去之后，使用率怎么样？效果怎么样？应该有一个收集反馈机制。
2、资源分配策略智能学习能力，结合收集反馈的信息，可以动态调整资源分配调度策略，具有自主学习决策的能力。
3、异构集群的管理能力，当前资源管理平台，主要聚焦在同构平台，异构平台在工业界是一个非常现实的问题，老机器还要发挥余热，新机器要充分挖掘性能潜力，就同时存在新老并存的场面。资源管理框架应该要能抽象异构平台，进行统一管理和分配，合理调度任务的运行。
只有完善了上面的能力，资源管理框架未来大有可为。
