1. Max-min Fair
分配过程是每次先把资源平分，如果有用户分到多余的资源就拿出来继续给其他的平分，这样保证申请者都可以公平分到资源。举个例子：
假设有10G内存，四个用户要申请的资源为：<u1, 1G> <u2, 2G> <u3, 4G> <u4, 6G>
- 先把10G内存平分，每个用户分到2.5内存，即<u1, 2.5G> <u2, 2.5G> <u3, 2.5G> <u4, 2.5G>
- u1只要1G，剩下的1.5G给u2 u3 u4平分，各分到0.5G，这个时候变成：<u1, 1G> <u2, 3G> <u3, 3G> <u4, 3G>
- u2只需要2G，多出来的1G给u3 u4分，各分到0.5G，变成<u1, 1G> <u2, 2G> <u3, 3.5G> <u4, 3.5G>
- 这个时候u3 u4都资源都不够，分配到此结束，最终结果：<u1, 1G> <u2, 2G> <u3, 3.5G> <u4, 3.5G>
Max-min Fair策略的不足是只能使用于一种资源的场景，对于有多种资源的场景无能为力。参考 http://www.ece.rutgers.edu/~marsic/Teaching/CCN/minmax-fairsh.html
2. Dominant Resource Fairness (DRF)
DRF可以看到多资源分配的Max-min，如果将DRF应用到一种资源，那就等价于Max-min。其主要概念是Dominant Resource。
比如有CPU和内存两种资源需要分配，总共有<20, 100>（这里单位都是1，即有20单位CPU，100单位内存，分配的最小单位是1单位），假如一个用户的要申请<2,5>的资源，这个时候CPU占总量的0.1，内存占总量的0.05，因此对这个用户来说CPU就是主资源。
DRF要求各个用户分配到的主资源占总量的比例相等，举个例子：
CPU和内存资源总量为<10, 100>，3个用户资源申请量为：<u1, <1,2>> <u2, <1,20>> <u3, <4,25>>，则u1 u2 u3的主资源分别为CPU 内存 CPU，假设分配的量分别为x y z则要满足下面的条件：
x + y + 4z <= 10
2x + 20y + 25z <= 100
x/10 = 20y/100 = 4z/10
满足这个条件的最大值为x=4, y=2, z=1。如果没有用户的每次申请都是用来运行任务，则u1可以运行4个任务，u2可以运行2个，u3可以运行1个。
参考 https://stackoverflow.com/questions/39347670/explanation-of-yarns-drf
网友评论