在 Apache Hadoop YARN 中，自带了 三种 最常见的资源调度器（Scheduler）。它们主要用于解决在有限的集群资源下，如何合理地为多个应用程序（如 MapReduce、Spark、Flink 任务）分配资源的问题。

这三种调度器分别是：FIFO Scheduler（先进先出调度器）、Capacity Scheduler（容量调度器） 和 Fair Scheduler（公平调度器）。

以下是它们的详细介绍和对比：

---

1. FIFO Scheduler（先进先出调度器）

这是 YARN 中最基础、最简单的调度器。

• 工作原理：将所有的应用程序放在一个单一的队列中，按照任务提交的时间顺序（先进先出）来分配资源。只有当排在前面的任务执行完毕（或者前面任务所需的资源已经满足），才会给下一个任务分配资源。
• 优点：
  • 逻辑简单，极易理解。
  • 不需要复杂的配置。
  • 调度器本身的系统开销极小。
• 缺点：
  • 极不适合多租户/共享集群。
  • 大任务阻塞小任务：如果队列头部是一个需要消耗大量资源且运行时间极长的“大任务”，后面的“小任务”即使只需要很少的资源，也必须死等，导致系统响应时间极差。
• 适用场景：个人开发测试环境，或者非常单纯的单任务批处理环境。在生产环境中几乎不使用。

2. Capacity Scheduler（容量调度器）

这是 Apache Hadoop 默认 的资源调度器（由 Yahoo 贡献），专门为多租户共享集群设计。

• 工作原理：
  • 多队列：支持将集群资源划分成多个层级队列（如 root.sales, root.engineering）。
  • 容量保证：每个队列都可以配置一个“基础资源容量”（Capacity，按百分比配置），保证该队列最少能获得这些资源。
  • 弹性共享：如果某个队列的资源有剩余（空闲），调度器允许其他资源紧张的队列“借用”这些空闲资源，从而提高整个集群的资源利用率。
  • 队列内部默认采用 FIFO 策略（也可配置为 Fair 策略）。
• 优点：
  • 资源利用率高：通过弹性借用机制，不会让资源闲置。
  • 安全与隔离：通过严格的容量配置和访问控制，保证多部门/多租户之间的资源不被完全挤占。
• 缺点：
  • 配置相对复杂。
  • 如果一个队列借用了其他队列的资源，当资源所有者需要资源时，可能需要等待借用者释放资源（或者配置抢占机制强行终止借用者的任务，这会造成一定的资源浪费）。
• 适用场景：适合多部门共享的大型生产集群，特别是对各部门资源占比有明确规划的场景。

3. Fair Scheduler（公平调度器）

这是由 Facebook 贡献的调度器，目的也是为了解决多租户共享集群的问题，但侧重点不同。

• 工作原理：
  • 动态公平：它的核心理念是让所有正在运行的应用在时间尺度上“公平”地获得相等的资源份额。
  • 无需排队等待：如果集群中只有一个任务在跑，它可以使用 100% 的资源。当第二个任务提交时，调度器会动态地将一半的资源分配给第二个任务（通过等待旧任务释放 Container 或资源抢占实现）。
  • 同样支持多队列，并可以为不同的队列或应用设置“权重（Weight）”，权重越高的队列分到的资源比例越大。
• 优点：
  • 小任务响应快：非常适合混合工作负载（长耗时的批处理任务 + 短耗时的交互式查询）。短任务提交后能迅速获得资源开始执行，无需等待大任务结束。
  • 资源分配极其动态和灵活。
• 缺点：
  • 调度逻辑最复杂，调度器本身的计算开销相对较大。
  • 在极端情况下，资源被切分得过于零碎，可能导致所有任务都在缓慢运行（不过可以通过配置最小资源量来避免）。
• 适用场景：混合工作负载的生产集群，特别是交互式查询（如 Hive、Impala、Spark SQL）较多，要求快速响应的场景。（注：它曾是 CDH 发行版的默认调度器）。

---

总结与现状补充

💡 行业现状提示：
随着 Hadoop 生态的演进，特别是 Cloudera 和 Hortonworks 合并为 CDP (Cloudera Data Platform) 后，官方正在大力推荐使用 Capacity Scheduler，并提供了工具将 Fair Scheduler 的配置迁移到 Capacity Scheduler。在 Hadoop 3.x 时代，Capacity Scheduler 已经通过引入更多的高级特性（如内部 Fair 调度、更好的抢占机制）基本涵盖了原来 Fair Scheduler 的优势，成为了当前企业生产环境下的绝对主流。