大数据平台容器化的技术路线有哪些，相比较各自优缺点是什么？

大数据平台容器化的技术路线主要有以下几种：

1. Kubernetes + Docker：Kubernetes是一个开源的容器编排工具，可以管理Docker容器。使用Kubernetes可以快速部署、扩展和管理大规模的容器化应用程序。Kubernetes具有自动负载均衡、自动扩展、自动故障恢复等功能，可以提高大数据平台的可靠性和可扩展性。但是，Kubernetes的学习曲线比较陡峭，需要一定的技术基础。
2. Mesos + Marathon：Mesos是一个开源的集群管理器，可以管理各种类型的应用程序，包括容器化应用程序。Marathon是一个基于Mesos的容器编排工具，可以管理Docker容器。使用Mesos + Marathon可以实现高可用性、高可靠性的大数据平台。但是，Mesos的配置比较复杂，需要一定的技术基础。
3. Docker Swarm：Docker Swarm是Docker官方提供的容器编排工具，可以管理Docker容器。使用Docker Swarm可以快速部署、扩展和管理大规模的容器化应用程序。Docker Swarm具有自动负载均衡、自动扩展、自动故障恢复等功能，可以提高大数据平台的可靠性和可扩展性。但是，Docker Swarm的功能相对较少，不如Kubernetes和Mesos + Marathon丰富。

相比较而言，Kubernetes和Mesos + Marathon具有更强的可靠性和可扩展性，但是学习曲线比较陡峭，配置比较复杂。Docker Swarm则更加简单易用，但是功能相对较少。因此，在选择大数据平台容器化的技术路线时，需要根据实际情况进行权衡和选择。