随着Hadoop版本的演化，Fair Scheduler和Capacity Scheduler的功能越来越完善，包括层级队列组织方式、资源抢占、批量调度等，也正因如此，两个调度器同质化越来越严重，目前看了，两个调度器从设计到支持的特性等方面非常接近，而由于Fair Scheduler支持多种调度策略，现在看来，可以认为Fair Scheduler具备了Capacity Scheduler具有的所有功能。
下表从多个方面对比了Hadoop 2.0（YARN）中这两个调度器的异同，通过这个表读者能更好地理解Capacity Scheduler与Fair Scheduler的相同点和不同点。
其中，FIFO、FAIR和DRF分别是指先来先服务、公平调度和主资源公平调度，具体含义如下：
FIFO：先按照优先级高低调度，如果优先级相同，则按照提交时间先后顺序调度，如果提交时间相同，则按照（队列或者应用程序）名称大小（字符串比较）调度；
FAIR：按照内存资源使用量比率调度，即按照used_memory/minShare大小调度（核心思想是按照该调度算法决定调度顺序，但还需考虑一些边界情况）；
DRF：借鉴了Mesos中的设计策略，按照主资源公平调度算法进行调度，具体已经在Apache Mesos调度器机制进行了介绍。
【总结】在MRv1和YARN中，尽管Fair Scheduler和Capacity Scheduler均是插拔式的，且实现原理基本一致，但由于YARN采用了事件驱动的编程模型，因此，它的资源调度器设计更加复杂，它要求用户不仅要了解基本的编程接口，还要理解ResourceManager与资源调度器之间基于事件的交互逻辑。
原创文章，转载请注明： 转载自董的博客
本文链接地址: http://dongxicheng.org/mapreduce-nextgen/hadoop-2-0-capacity-scheduler-fair-scheduler/
