Yarn基本架构
YARN主要由ResourceManager、NodeManager、ApplicationMaster（AM）和Container等组件构成。
Yarn工作机制
1.MapReduce程序提交到客户端所在的节点。
2.Yarnrunner向ResourceManager申请一个Application。
3.RM将该应用程序的资源路径返回给yarnrunner。
4.该程序将运行所需资源提交到HDFS上。
5.程序资源提交完毕后，申请运行mrAppMaster。
6.RM将用户的请求初始化成一个task。
7.其中一个NodeManager领取到task任务。
8.该NodeManager创建容器Container，并产生MRAppmaster。
9.Container从HDFS上拷贝资源到本地。
10.MRAppmaster向RM 申请运行maptask资源。
11.RM将运行maptask任务分配给另外两个NodeManager，另两个NodeManager分别领取任务并创建容器。
12.MR向两个接收到任务的NodeManager发送程序启动脚本，这两个NodeManager分别启动maptask，maptask对数据分区排序。
13.MrAppMaster等待所有maptask运行完毕后，向RM申请容器，运行reduce task。
14.reduce task向maptask获取相应分区的数据。
15.程序运行完毕后，MR会向RM申请注销自己。
资源调度器
Hadoop作业调度器主要有三种：FIFO、Capacity Scheduler和Fair Scheduler。
FIFO(先进先出调度器)
按照到达时间排序，先到先服务。
Capacity Scheduler(容量调度器)
支持多个队列，每个队列采用FIFO策略。
Fair Scheduler(公平调度器)
支持多个队列，每个队列中job优先级越高分配资源也越多，每个队列中多个作业同时运行。