Alokasi sumber daya pada Apache Mesos dirancang untuk menangani berbagai kerangka kerja terdistribusi dalam satu klaster fisik melalui mekanisme berbagi sumber daya berskala halus (fine-grained resource sharing). Konsep dasar ini dipopulerkan dalam makalah akademis berjudul "Mesos: A Platform for Fine-Grained Resource Sharing in the Data Center" yang ditulis oleh Benjamin Hindman dan rekan-rekan penelitinya.
Arsitektur Mesos memisahkan fungsi penjadwalan (scheduling) dari pengelolaan node individual. Melalui pendekatan ini, klaster pusat dapat mendistribusikan CPU, memori, dan sumber daya komputasi lainnya secara efisien kepada kerangka kerja seperti Hadoop, Spark, atau MPI tanpa mengalami perebutan sumber daya yang tidak terkelola.
Mekanisme Penawaran Sumber Daya (Resource Offers)
Inti dari alokasi sumber daya Mesos adalah mekanisme Resource Offers. Master node secara berkala mengirimkan penawaran kapasitas sumber daya yang tersedia pada slave node kepada kerangka kerja (framework) yang terdaftar. Setiap framework kemudian memiliki kebebasan untuk menerima atau menolak penawaran tersebut berdasarkan kebutuhan tugas spesifik mereka.
| Komponen | Fungsi Utama dalam Alokasi | Karakteristik |
|---|---|---|
| Mesos Master | Mengelola agen slave dan menghitung alokasi global antar framework. | Menggunakan kebijakan dominant resource fairness (DRF). |
| Mesos Slave / Agent | Menjalankan tugas (tasks) yang diinstruksikan oleh framework yang disetujui. | Melaporkan penggunaan sumber daya lokal secara real-time. |
| Framework Scheduler | Memutuskan tugas mana yang akan dijalankan pada penawaran yang diberikan. | Spesifik untuk aplikasi (misal: Spark scheduler atau Hadoop scheduler). |
Dominant Resource Fairness (DRF)
Untuk memastikan keadilan dalam lingkungan multi-tenant, Mesos menerapkan algoritma Dominant Resource Fairness (DRF). Algoritma ini memastikan bahwa alokasi sumber daya tidak hanya melihat satu metrik (seperti jumlah CPU saja), melainkan memperhitungkan berbagai jenis sumber daya secara simultan (CPU, RAM, Disk) agar setiap framework mendapatkan porsi yang adil berdasarkan bagian dominan mereka.
Implementasi tingkat lanjut dari makalah asli tersebut telah menjadi fondasi penting dalam evolusi manajemen data center modern, memungkinkan efisiensi utilisasi perangkat keras yang jauh lebih tinggi dibandingkan sistem partisi statis tradisional.