# 大數據 Kubernetes community中已經有了一個[Big data SIG](https://github.com/kubernetes/community/tree/master/sig-big-data)，大家可以通過這個SIG了解kubernetes結合大數據的應用。 在Swarm、Mesos、kubernetes這三種流行的容器編排調度架構中，Mesos對于大數據應用支持是最好的，spark原生就是運行在mesos上的，當然也可以容器化運行在kubernetes上。當前在kubernetes上運行大數據應用主要是spark應用。 ## Spark on Kubernetes Spark原生支持standalone、mesos和YARN的調度方式，當前kubernetes社區正在支持kubernetes的原生調度來運行spark - 。 當然您也可以在kubernetes直接部署spark on yarn或者spark standalone模式，仍然沿用已有的 ## Spark Standalone 使用spark standalone模式在kubernetes上運行，kubernetes不負責spark任務的調度。參考：[Spark standalone on Kubernetes](spark-standalone-on-kubernetes.md) 這種模式中使用的spark本身負責任務調度，kubernetes只是作為一個spark的部署平臺。 ## Spark on Yarn 使用StatefulSet和Headless serverless來實現，請參考 [Spark on Yarn](https://github.com/rootsongjc/kube-yarn/tree/sz-test) 這種模式中kubernetes依然不負責spark應用的調度，而只是將Yarn換了一個部署環境而已。 下面是架構圖：  ### Spark on Kubernetes Spark on kubernetes，使用kubernetes作為調度引擎，spark的任務直接調度到node節點上。參考：[運行支持kubernetes原生調度的Spark程序](running-spark-with-kubernetes-native-scheduler.md)。 ### 調度方式總結 下圖顯示的是三種調度方式中單個kubernetes node節點上運行的spark相關容器的調度情況。  毫無疑問，使用kubernetes原生調度的spark任務才是最節省資源的。