我正在尝试编写一个简单的mesos框架，可以重新启动失败的任务。
基本的算法，似乎大部分是工作的，是读入一个任务列表（例如shell命令），然后启动执行器，等待收到状态消息。如果我得到 TASK_FINISHED ，特定任务完成。如果我得到 TASK_FAILED/TASK_KILLED ，我可以在其他地方重试该任务（或者放弃）。
我不确定的是 TASK_LOST （甚至奴隶丢失）。我希望确保不会启动已在运行的任务的另一个副本。得到之后 TASK_LOST ，是否可能执行器仍在某处运行，但网络问题已断开从机与主机的连接？mesos是否以某种方式处理了这个问题，比如让执行者在无法联系到主程序时自杀（以及任务）？
更一般地说，如何确保没有两个相同的任务在此上下文中运行？
2条答案
按热度按时间nhaq1z211#
让我先提供一些背景资料，然后试着回答你的问题。
1） 两者的区别
TASK_LOST另一种终端不成功的状态是，重新启动丢失的任务可能会以失败告终TASK_FINISHED，而失败或被杀则很可能不会。2） 直到你得到一个
TASK_LOST你应该假设你的任务正在运行。假设一个mesos代理（slave）死了一段时间，但是任务可能仍然在运行，并且将成功地协调，即使连接暂时丢失。3） 现在回到你原来的问题。问题是要让示例只运行一次是非常困难的（参见[1]和[2]）。如果与任务失去连接，则可能意味着（临时）网络分区或任务已终止。基本上，您必须在两个备选方案中进行选择：要么有可能同时运行多个示例，要么有可能在没有示例运行的情况下运行时段。
4） 要保证两个任务不同时运行并不容易。当你得到一个
TASK_LOST从mesos更新它意味着要么你的任务是死的，要么是孤立的（一旦协调，它将被杀死）。现在想象一下这样一种情况：当一个执行任务的从设备与mesos主设备断开连接时（由于网络分区），您将得到一个TASK_LOST更新并且主服务器确保任务被终止一旦连接被恢复，您的任务将在断开连接的从属服务器上运行直到那时，这违反了保证，因为您已经在获得连接后启动了另一个示例TASK_LOST更新。5） 你可能想看的东西：
recovery_timeout关于mesos，当任务自杀时，如果mesos-slave工艺模具slave_reregister_timeout在mesos master上指定从机需要多少时间来重新注册mesos master并协调它们的任务（基本上，当您TASK_LOST无法访问的任务的更新）。[1] http://antirez.com/news/78
[2] http://bravenewgeek.com/you-cannot-have-exactly-once-delivery/
k75qkfdt2#
你可以假设
TASK_LOST这意味着您的任务已丢失，您只能启动另一个示例。但要记住两件事：
您的框架可能会注册故障转移超时，这意味着如果您的框架由于任何原因（网络不稳定、从机死机、调度程序死机等）无法与从机通信，那么mesos将在该框架的任务无法在该超时内恢复后终止该框架的任务。你会得到
TASK_LOST任务实际被视为已死亡后的状态（例如，故障转移超时过期时）。不使用故障转移超时时，如果由于任何原因失去连接，任务将立即终止。