翻译： http://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/YARN.html
版本： 2.9.0
YARN的基本思想是将资源管理和作业调度/监控的功能分解为单独的守护进程。这个想法是有一个全局的ResourceManager（RM）和每个应用程序一个ApplicationMaster（AM）。应用程序可以是单个作业，也可以是DAG作业。
ResourceManager和NodeManager组成数据计算框架。ResourceManager是仲裁系统中所有应用程序之间资源的最终权威机构。NodeManager是每机器上的容器代理框架，监视资源使用情况（cpu，内存，磁盘，网络）并将其报告给ResourceManager / Scheduler。
每个应用程序的ApplicationMaster实际上是一个特定于框架的库，并负责从ResourceManager协商资源，并与NodeManager一起工作来执行和监视这些任务。
ResourceManager有两个主要组件：Scheduler和ApplicationsManager。
调度程序负责将资源分配给各种正在运行的应用程序，这些应用程序受到容量，队列等限制。调度程序是纯调度程序，因为它不会监视或跟踪应用程序的状态。此外，由于应用程序故障或硬件故障，它不提供有关重新启动失败任务的保证。调度器根据应用程序的资源需求执行其调度功能; 它是基于资源容器的抽象概念来实现的，容器包含内存，CPU，磁盘，网络等元素。
调度程序有一个可插拔策略，负责在各种队列，应用程序等之间对集群资源进行分区。当前调度程序（如CapacityScheduler和FairScheduler）将是插件的一些示例。
ApplicationsManager负责接受作业提交，协商执行特定于应用程序的ApplicationMaster的第一个容器，并提供失败时重新启动ApplicationMaster容器的服务。每个应用程序的ApplicationMaster负责从计划程序中协商适当的资源容器，跟踪其状态并监视进度。
hadoop-2.x中的MapReduce 与以前的稳定版本（hadoop-1.x）保持API兼容性。这意味着所有MapReduce作业应该仍然在YARN之上运行，只需重新编译即可。
YARN支持通过ReservationSystem进行资源预留，即允许用户在指定时间资源和时间的限制（例如，截止日期），以及后备资源，以确保重要jobs.The可预见的执行组件ReservationSystem跟踪资源过时，对预留执行准入控制，并动态指示底层调度程序确保预留。
为了将YARN扩展到几千个节点之外，YARN 通过YARN Federation功能支持联邦的概念。联邦允许透明地将多个yarn（子）群集在一起，并使它们看起来像一个单一的大型群集。这可以用于实现更大规模，和/或允许将多个独立的群集一起用于非常大的工作，或者对于所有人都具有容量的租户。
