Yarn架构

Yarn是为了解决MRv1中JobTracker负载过重，而设计的第二代MR运行架构。
yarn是个master/slave结构，master节点运行Resourcemanager，slave节点运行nodemanager。

1. RM主要有两个组件：资源调度器（scheduler）和应用程序管理器（Applications Manager）
   scheduler主要进行资源调度，不进行任何与应用程序相关的动作，主要包括Capacity Scheduler和Fair scheduler。
   ASM：主要负责提交、启动以及监控每个application的application master
2. AM
   每个作业都有一个application master来监控和管理自己的所有任务，具备的功能包括：
   a，与RM交互获取任务运行的资源；
   b，与NM交互提交任务、监控任务运行情况等
3. NM
   一般集群中每个节点启动一个NM，NM不但向RM发送心跳，汇报本节点的资源使用情况；并与AM交互，接收并处理来自AM的所有关于container的请求。
4. container
   一个逻辑概念，抽象的资源表示形式，可以代表一组多维度资源，目前yarn主要支持cpu和内存。

yarn工作流程

向yarn提交一个应用程序后，yarn主要分为两个步骤：第一步先启动application master；第二步由AM启动并监控本application中的所有任务，直到完成。

1. 向yarn提交应用程序，包含application master程序，以及启动am的命令；
2. RM为AM分配一个container，并与NM通信启动container来运行这个AM（这是唯一一个由RM和NM通信启动的container，其它的container都是AM与NM通信启动）
3. AM启动之后，主动向RM发送心跳注册自己，此时RM可以监控这个AM，我们可以在yarn web页面上看到这个任务；
4. AM轮询方式向RM申请和获取资源；
5. AM获取到资源后，与NM通信要求启动任务；
6. NM设置任务运行环境，启动任务；
7. 各个NM上的任务，不断通过RPC向AM发送心跳，汇报自己的状态和进度；
8. 任务全部完成后，AM向RM注销自己。