本文系作者根据自己对Mesos的高可用（High-Availability）设计方案的了解以及在Mesos社区贡献的经验，深度剖析了Mesos集群高可用的解决方案，以及对未来的展望。

Mesos高可用架构概述

首先，我们来参考Mesos官方给出的设计架构，如图1所示。

Mesos采用的也是现在分布式集群中比较流行的Master／Slave主从集群管理架构，Mesos master节点是整个集群的中枢，它责管理和分配整个Mesos集群的计算资源，调度上层Framework提交的任务，管理和分发所有任务的状态。这种主从架构设计简单，能够满足大多数正常情况下的集群运作需求，目前仍然存在于很多分布式的系统中，比如Hadoop、MySQL集群等。但是这种简单的设计存在一个致命缺陷，就是Mesos master必须做为一个服务程序持续存在于集群中，它虽然孤立，但是地位举足轻重，不容有失。

在单个Mesos master节点的集群中，如果Mesos master节点故障，或者服务不可用，虽然在每一个Slave节点上的任务可以继续运行，但是集群中新的资源将无法再分配给上层Framework，上层Framework将无法再利用已经收到的offer提交新任务，并且无法收到正在运行任务的状态更新。为了解决这个问题，提高Mesos集群的高可用性，减少Mesos master节点故障所带来的影响，Mesos集群采用了传统的主备冗余模式（Active－Standby）来支持一个Mesos集群中部署多个Mesos master节点，借助于ZooKeeper进行Leader的选举。选举出的Leader负责将集群的资源以契约（offer）的形式发送给上层的每一个Framework，并处理集群管理员与上层Framework的请求，另外几个Mesos master节点将作为Follower一直处于备用状态，并监控当前的状态，当Mesos master节点宕机，或服务中断之后，新Leader将会很快从Follower中选出来接管所有的服务，减少了Mesos集群服务的宕机时间，大大提高了集群的可用性。

Mesos高可用集群部署

在Mesos高可用设计中，引入了ZooKeeper集群来辅助Leader的选举，这在当前的分布式集群中比较流行，比如Docker Swarm高可用集群同时支持利用consul、etcd、ZooKeeper进行Leader的选举，Kubernetes也采用了etcd等实现了自身的高可用。这种设计可以理解为大集群＋小集群，小集群也就是ZooKeeper/etcd/consul集群，它们为大集群服务，比如提供Leader的选举，为大集群提供配置数据的存储和服务发现等功能。在一个复杂的系统中，这个小集群可以为系统的多个服务组件同时提供服务。因此在部署高可用Mesos集群时，必须首先部署好一个ZooKeeper集群。

本文主要介绍Mesos的高可用，不会详细介绍ZooKeeper的相关知识你可以参考官方文档https://ZooKeeper.apache.org/来部署。为了使读者可以快速搭建它们自己的Mesos高可用集群，我们将使用Docker的方式在zhost1.wyq.com(9.111.255.10)，zhost2.wyq.com(9.111.254.41)和zhost3.wyq.com(9.111.255.50)机器上快速的搭建起一个具有三个节点的演示ZooKeeper集群，它们的服务端口都是默认的2181。

登录zhost1.wyq.com机器，执行如下命令启动第一个server：

# docker run -d \
  -e MYID=1 \
  -e SERVERS=9.111.255.10,9.111.254.41,9.111.255.50 \
  --name=zookeeper \
  --net=host \
  --restart=always \
  mesoscloud/zookeeper

登录zhost2.wyq.com机器，执行如下命令启动第二个server：

# docker run -d \
  -e MYID=2 \
  -e SERVERS=9.111.255.10,9.111.254.41,9.111.255.50 \
  --name=zookeeper \
  --net=host \
  --restart=always \
  mesoscloud/zookeeper

登录zhost3.wyq.com机器，执行如下命令启动第三个server：

# docker run -d \
  -e MYID=3 \
  -e SERVERS=9.111.255.10,9.111.254.41,9.111.255.50 \
  --name=zookeeper \
  --net=host \
  --restart=always \
  mesoscloud/zookeeper

ZooKeeper集群搭建好之后，执行以下命令，通过指定一个不存在的znode的路径/mesos来启动所有的Mesos master，Mesos slave和Framework。

登陆每一个Mesos master机器，执行以下命令,在Docker中启动所有的Mesos master：

# docker run -d \
   --name mesos-master \
   --net host mesosphere/mesos-master \
   --quorum=2 \
   --work_dir=/var/log/mesos \
   --zk= zk://zhost1.wyq.com:2181,zhost2.wyq.com:2181,zhost3.wyq.com:2181/mesos

登陆每一个Mesos Agent机器，执行以下命令，在Docker中启动所有的Mesos agent：

# docker run -d \
   --privileged \
   -v /var/run/docker.sock:/var/run/docker.sock \
   --name mesos-agent \
   --net host gradywang/mesos-agent \
   --work_dir=/var/log/mesos \
   --containerizers=mesos,docker \
   --master= zk://zhost1.wyq.com:2181,zhost2.wyq.com:2181,zhost3.wyq.com:2181/mesos

注意：Mesosphere官方所提供的Mesos Agent镜像mesosphere/mesos-agent不支持Docker的容器化，所以作者在官方镜像的基础至上创建了一个新的镜像gradywang/mesos-agent来同时支持Mesos和Docker的虚拟化技术。

使用相同的znode路径来启动framework，例如我们利用Docker的方式来启动Docker Swarm，让它运行在Mesos之上：

$ docker run -d \
--net=host  gradywang/swarm-mesos  \
--debug manage \
-c mesos-experimental \
--cluster-opt mesos.address=9.111.255.10 \
--cluster-opt mesos.tasktimeout=10m \
--cluster-opt mesos.user=root \
--cluster-opt mesos.offertimeout=1m \
--cluster-opt mesos.port=3375 \
--host=0.0.0.0:4375 zk://zhost1.wyq.com:2181,zhost2.wyq.com:2181,zhost3.wyq.com:2181/mesos

注：mesos.address和mesos.port是Mesos scheduler的监听的服务地址和端口，也就是你启动Swarm的机器的IP地址和一个可用的端口。个人感觉这个变量的命名不是很好，不能见名知意。

用上边的启动配置方式，所有的Mesos master节点会通过ZooKeeper进行Leader的选举，所有的Mesos slave节点和Framework都会和ZooKeeper进行通信，获取当前的Mesos master Leader，并且会一直检测Master节点的变化。当Leader故障时，ZooKeeper会第一时间选出新Leader，然后所有的Slave节点和Framework都会获取到新Leader进行重新注册。

ZooKeeper Leader的选举机制

根据ZooKeeper官方推荐的Leader选举机制：首先指定一个Znode，如上例中的/mesos（强烈建议指定一个不存在的Znode路径），然后使用SEQUENCE和EPHEMERAL标志为每一个要竞选的client创建一个Znode，例如/mesos/guid_n来代表这个client。

当为某个Znode节点设置SEQUENCE标志时，ZooKeeper会在其名称后追加一个自增序号，这个序列号要比最近一次在同一个目录下加入的znode的序列号大。具体做法首先需要在ZooKeeper中创建一个父Znode，比如上节中指定的/mesos，然后指定SEQUENCE｜EPHEMERAL标志为每一个Mesos master节点创建一个子的Znode，比如/mesos/znode-index，并在名称之后追加自增的序列号。
当为某个Znode节点设置EPHEMERAL标志时，当这个节点所属的客户端和ZooKeeper之间的seesion断开之后，这个节点将会被ZooKeeper自动删除。
ZooKeeper的选举机制就是在父Znode（比如/mesos）下的子Znode中选出序列号最小的作为Leader。同时，ZooKeeper提供了监视（watch）的机制，其他的非master节点会不断监视当前的Leader所对应的Znode，如果它被删除，则触发新一轮的选举。大概有两种做法：
1.所有的非Leader client监视当前Leader对应的Znode（也就是序列号最小的Znode），当它被ZooKeeper删除的时候，所有监视它的客户端会立即收到通知，然后调用API查询所有在父目录（/mesos）下的子节点，如果它对应的序列号是最小的，则这个client会成为新的Leader对外提供服务，然后其他客户端继续监视这个新Leader对应的Znode。这种方式会触发“羊群效应”，特别是在选举集群比较大的时候，在新一轮选举开始时，所有的客户端都会调用ZooKeeper的API查询所有的子Znode来决定谁是下一个Leader，这个时候情况就更为明显。
2.为了避免“羊群效应”，ZooKeeper建议每一个非Leader的client监视集群中对应的比自己节点序小一号的节点（也就是所有序号比自己小的节点中的序号最大的节点）。只有当某个client所设置的watch被触发时，它才进行Leader选举操作：查询所有的子节点，看自己是不是序号最小的，如果是，那么它将成为新的Leader。如果不是，继续监视。此 Leader选举操作的速度是很快的。因为每一次选举几乎只涉及单个client的操作。
Mesos高可用实现细节

Mesos主要通过contender和detector两个模块来实现高可用，架构如图2所示。

Contender模块用来进行Leader选举，它负责把每个Master节点加入到选举的Group中（作为/mesos目录下的一个子节点），组中每个节点都会有一个序列号，根据上文对ZooKeeper选举机制的介绍，组中序列号最小的节点将被选举为Leader。

以上文例子为例（假设作者部署了三个节点的Mesos master），可以查看ZooKeeper的存储来加以验证。

登录到ZooKeeper集群中的某一个节点，执行如下命令链接到集群中的某个节点，查看这个Group：

# docker ps
CONTAINER ID        IMAGE                     COMMAND                  CREATED             STATUS              PORTS               NAMES
a6fab50e2689        mesoscloud/zookeeper      "/entrypoint.sh zkSer"   50 minutes ago      Up 49 minutes                           zookeeper

# docker exec -it a6fab50e2689 /bin/bash
# cd /opt/zookeeper/bin/
# ./zkCli.sh -server 9.111.255.10:2181
[zk: 9.111.255.10:2181(CONNECTED) 0] ls /mesos
[json.info_0000000003, json.info_0000000004, json.info_0000000002, log_replicas]

我们可以看到在/mesos目录下有三个带有后缀序号的子节点，序号值最小的节点将作为master节点，查看序号最小的节点json.info_0000000002的内容如下：

[zk: 9.111.255.10:2181(CONNECTED) 1] get /mesos/json.info_0000000002
{"address":{"hostname":"gradyhost1.eng.platformlab.ibm.com","ip":"9.111.255.10","port":5050},"hostname":"gradyhost1.eng.platformlab.ibm.com","id":"93519a55-4089-436c-bc07-f7154ec87c79","ip":184512265,"pid":"master@9.111.255.10:5050","port":5050,"version":"0.28.0"}
cZxid = 0x100000018
ctime = Sun May 22 08:42:10 UTC 2016
mZxid = 0x100000018
mtime = Sun May 22 08:42:10 UTC 2016
pZxid = 0x100000018
cversion = 0
dataVersion = 0
aclVersion = 0
ephemeralOwner = 0x254d789b5c20003
dataLength = 264
numChildren = 0

根据查询结果，当前的Mesos master节点是

gradyhost1.eng.platformlab.ibm.com。

Detector模块用来感知当前的master是谁，它主要利用ZooKeeper中的watcher的机制来监控选举的Group（/mesos目录下的子节点）的变化。ZooKeeper提供了getChildren()应用程序接口，此接口可以用来监控一个目录下子节点的变化，如果一个新子节点加入或者原来的节点被删除，那么这个函数调用会立即返回当前目录下的所有节点，然后Detector模块可以挑选序号最小的作为master节点。

每一个Mesos master会同时使用Contender和Detector模块，用Contender进行master竞选。在master节点上使用Detector模块的原因是在Mesos的高可用集群中，你可以使用任意一个master节点的地址和端口来访问Mesos的WebUI，当访问一个Replica节点时，Mesos会把这个浏览器的链接请求自动转发到通过Detector模块探测到的master节点上。

其他的Mesos组件，例如Mesos Agent，Framework scheduler driver会使用Detector模块来获取当前的Mesos master，然后向它注册，当master发送变化时，Detecor模块会第一时间通知，它们会重新注册（re-register)。

由于IBM在Mesos社区的推动，在MESOS-4610项目中，Mesos Contender和Detector已经可以支持以插件的方式进行加载。现在Mesos社区官方仅支持用Zookeeper集群进行Leader选举，在支持了插件的方式加载后，用户可以实现自己的插件，用另外的方式比如选择用etcd（MESOS-1806）、consule（MESOS-3797）等集群进行Leader选举。

注意：现在Mesos仅用ZooKeeper进行Leader的选举，并没有用它进行数据的共享。在Mesos中有一个Replicated Log模块，负责进行多个master之间的数据共享、同步等。可以参考Mesos的官方文档获取详细的设计http://mesos.apache.org/documentation/latest/replicated-log-internals/。同时为了使Mesos的高可用不依赖与一个第三方的集群，现在社区正在考虑用Replicated log替代第三方集群进行Leader选举，具体进度可以参考MESOS-3574项目。
Mesos master recovery

在Mesos设计中，master除了要在Replicated log中持久化一些集群配置信息（例如Weights、Quota等），0集群maintenance的状态和已经注册的Agent的信息外，基本上被设计为无状态的。master发生failover，新的master选举出来之后：

它会首先从Replicated log中恢复之前的状态，目前Mesos master会从Replicated log中recover以下信息。

1.Mesos集群的配置信息，例如weights，quota等。这些配置信息是Mesos集群的管理员通过HTTP endpoints来配置的。
2.集群的Maintenance信息。
3.之前注册的所有的Agent信息（SlaveInfo）。同时master会为Agents 的重新注册（re-register）设置一个超时时间（这个参数通过master的slave_reregister_timeout flag进行配置，默认值为10分钟），如果某些Agents在这个时间内没有向新master重新注册，将会从Replicated log中删除，这些Agents将不能以原来的身份（相同的SlaveId）重新注册到新的Mesos master，其之前运行的任务将全部丢失。如果这个Agent想再次注册，必须以新的身份。同时为了对生产环境提供安全保证，避免在failover之后，大量的Agents从Replicated log中删除进而导致丢失重要的运行任务，Mesos master提供了另外一个重要的flag配置recovery_slave_removal_limit，用来设置一个百分比的限制，默认值为100%，避免过多的Agents在failover之后被删除，如果将要删除的Agents超过了这个百分比，那么这个Mesos master将会自杀（一般的，在一个生产环境中，Mesos的进程将会被Systemd或者其他进程管理程序进行监管，如果Mesos服务进程退出，那么这个监管程序会自动再次启动Mesos服务）。而不是把那些Agents从Replicated log中删除，这会触发下一次的failover，多次failover不成功，就需要人为干预。
另外，新的Mesos master选举出来之后，所有之前注册的Mesos agents会通过detector模块获取新的master信息，进而重新注册，同时上报它们的checkpointed资源，运行的executors和tasks信息，以及所有tasks完成的Framework信息，帮助新master恢复之前的运行时内存状态。同样的原理，之前注册的Framework也会通过detector模块获取到新的Master信息，向新master重新注册，成功之后，会获取之前运行任务的状态更新以及新的offers。

注意：如果在failover之后，之前注册并且运行了任务的Frameworks没有重新注册，那么它之前运行的任务将会变成孤儿任务，特别对于哪些永久运行的任务，将会一直运行下去，Mesos目前没有提供一种自动化的机制来处理这些孤儿任务，比如在等待一段时间之后，如果Framework没有重新注册，则把这些孤儿任务杀掉。现在社区向通过类似Mesos Agents的逻辑，来持久化Framework info，同时设置一个超时的配置，来清除这些孤儿任务。具体可以参见MESOS-1719。

Mesos Agent健康检查

Mesos master现在通过两种机制来监控已经注册的Mesos Agents健康状况和可用性：

1.Mesos master会持久化和每个Agent之间的TCP的链接，如果某个Agent服务宕机，那么master会第一时间感知到，然后：
1-1. 把这个Agent设为休眠状态，Agent上的资源将不会再offer给上层Framework。
1-2. 触发rescind offer，把这个Agent已经offer给上层Framework的offer撤销。
1-3. 触发rescind inverse offer，把inverse offer撤销。

2.同时，Mesos master会不断的向每一个Mesos Agent发送ping消息，如果在设定时间内（由flag.slave_ping_timeout配置，默认值为15s）没有收到对应Agent的回复，并且达到了一定的次数（由flag. max_slave_ping_timeouts 配置，默认值为5），那么Mesos master会：
2-1. 把这个Agent从master中删除，这时资源将不会再offer给上层的Framework。
2-2. 遍历这个Agent上运行的所有的任务，向对应的Framework发送TASK_LOST状态更新，同时把这些任务从master删除。
2-3. 遍历Agent上的所有executor，把这些executor删除。
2-4. 触发rescind offer，把这个Agent上已经offer给上层Framework的offer撤销。
2-5. 触发rescind inverse offer，把inverse offer撤销。
2-6. 把这个Agent从master的Replicated log中删除。

Mesos Framework健康检查

同样的原理，Mesos master仍然会持久化和每一个Mesos Framework scheculer之间的TCP的连接，如果某一个Mesos Framework服务宕机，那么master会第一时间感知，然后：
1.把这个Framework设置为休眠状态，这时Mesos master将不会在把资源offer给这个Framework 。
2.触发rescind offer，把这个Framework上已经收到的offer撤销。
3.触发rescind inverse offer，把这个Framework上已经收到的inverse offer撤销。
获取这个Framework注册的时候设置自己的failover时间（通过Framework info中的failover_timeout参数设置），创建一个定时器。如果在这个超时时间之内，4.Framework没有重新注册，则Mesos master会把Framework删除：
4-1. 向所有注册的Slave发送删除此Framework的消息。
4-2. 清除Framework上还没有执行的task请求。
4-3. 遍历Framework提交的并且正在运行的任务，发送TASK_KILLED消息，并且把task从Mesos master和对应的Agent上删除。
4-4. 触发rescind offer，把这个Framework上已经收到的offer撤销。
4-5. 触发rescind inverse offer，把Framework上已经收到的inverse offer撤销。
4-6. 清除Framework对应的role。
4-7. 把Framework从Mesos master中删除。

未来展望

从我个人的角度看，Mesos高可用这个功能应该做如下增强。

1.现在的设计中，Mesos的高可用必须依赖一个外部的ZooKeeper集群，增加了部署和维护的复杂度，并且目前这个集群只是用来做Leader选举，并没有帮助Mesos master节点之间存储和共享配置信息，例如Weights、Quota等。社区现在已经发起了一个新项目MESOS-3574，将研究和实现用Replicated log来替代ZooKeeper，帮助Mesos master选举和发现Leader。个人认为价值比较大，它实现之后，可以大大简化Mesos高可用架构的复杂度。
2.现在ZooKeeper作为搭建Mesos高可用集群的唯一选择，可能在比较大的集成系统中不合时宜，在IBM工程师的推动下，社区已经将和Mesos高可用的两个模块Contender和Detector插件化，用户可以实现自己的插件来进行Mesos master的选举和发现，已经实现了对etcd的支持。感兴趣的同学可以参考MESOS-1806项目。
3.另外，Mesos现在这个高可用的设计采用了最简单的Active-standby模式，也就是说只有当前的Mesos master在工作，其他的candidate将不会做任何事情，这会导致资源的浪费。另外在特别大的Mesos集群中，master candidates并不能提供负载均衡。未来是不是可以考虑将Mesos高可用修改为Active-Active模式，比如让master candidates可以帮助处理一些查询的请求，同时可以帮助转发一些写请求到当前的master上，来提高整个集群的性能和资源利用率。