在這三種部署模式中，standalone作為spark自帶的分布式部署模式，是最簡單也是最基本的spark應用程序部署模式，這里就不再贅述。這里就講一下yarn和mesos的區別：
(1) 就兩種框架本身而言，mesos上可部署yarn框架。而yarn是更通用的一種部署框架，而且技術較成熟。
(2) mesos雙層調度機制，能支持多種調度模式，而Yarn通過Resource Mananger管理集群資源，只能使用一種調度模式。Mesos 的雙層調度機制為：mesos可接入如yarn一般的分布式部署框架，但Mesos要求可接入的框架必須有一個調度器模塊，該調度器負責框架內部的任務調度。當一個framework想要接入mesos時，需要修改自己的調度器，以便向mesos注冊，並獲取mesos分配給自己的資源， 這樣再由自己的調度器將這些資源分配給框架中的任務，也就是說，整個mesos系統采用了雙層調度框架：第一層，由mesos將資源分配給框架；第二層，框架自己的調度器將資源分配給自己內部的任務。
(3) mesos可實現粗、細粒度資源調度，可動態分配資源，而Yarn只能實現靜態資源分配。其中粗粒度和細粒度調度定義如下：
粗粒度模式（Coarse-grained Mode）：程序運行之前就要把所需要的各種資源（每個executor占用多少資源，內部可運行多少個executor）申請好，運行過程中不能改變。
細粒度模式（Fine-grained Mode）：為了防止資源浪費，對資源進行按需分配。與粗粒度模式一樣，應用程序啟動時，先會啟動executor，但每個executor占用資源僅僅是自己運行所需的資源，不需要考慮將來要運行的任務，之后，mesos會為每個executor動態分配資源，每分配一些，便可以運行一個新任務，單個Task運行完之后可以馬上釋放對應的資源。每個Task會匯報狀態給Mesos slave和Mesos Master，便於更加細粒度管理和容錯，這種調度模式類似於MapReduce調度模式，每個Task完全獨立，優點是便於資源控制和隔離，但缺點也很明顯，短作業運行延遲大。
從yarn和mesos的區別可看出，它們各自有優缺點。因此實際使用中，選擇哪種框架，要根據本公司的實際需要而定，可考慮現有的大數據生態環境。如我司采用yarn部署spark，原因是，我司早已有較成熟的hadoop的框架，考慮到使用的方便性，采用了yarn模式的部署。