YARN作为Hadoop集群的御用调度器，在整个集群的资源管理上立下了汗马功劳。今天我们用大白话聊聊YARN存在意义。
有了机器就有了资源，有了资源就有了调度。举2个很鲜活的场景：
- 在单台机器上，你开了3个程序，分别是A、B、C，3个程序把资源基本上耗光了，你再想开个D，系统没有资源了，或者变的很卡，所以你关掉了A和B，腾出来的资源让D用，这就是人肉调度。
- 由多台机器上组成的集群，情况更加复杂，一共有多少CPU，MEM，怎么把指定的应用跑在合适的机器上，总会想均衡，不要累死的累死，闲死的闲死，这就要调度，几台还好，人肉可以登录过来，登录过去看着每台跑的应用和用的资源去调度，要是成百上千台的机器呢，人肉那就累死了。
还是搞个自动化的调度工具吧，想想只要干好几个事，简单说也不难：
- 资源管理：要把所有机器的资源都管理起来，起码知道这个分布式的集群有多少资源，摸清家底。
- 资源监控：要时时刻刻监控当前用了哪些资源，哪些资源还没用。
- 分配资源：应用要申请了，你要给资源，给多少，是不是够用，让他跑到哪台机器上。
- 回收资源：不能让应用一直占着，你要时刻问问或者让他上报，用完了要及时归还。
简单的想来YARN就是这么多，基本上每个资源调度器都是干的主要这些事，ResourceManager就是集群老大，在台机器上安插小弟NodeManager，对机器进行资源管理和任务管理，定时向老大汇报各个机器资源情况；一个ApplicationMaster就是一个任务的老大，他负责和ResourceManger老大交涉，比如我需要多少资源，老大都同意小弟还不照做；NodeManager为ApplicationMaster启动若干Container执行task；这些task向他的老大ApplicationMaster汇报状态；当干完活了，释放资源吧，ApplicationMaster告诉ResourceManager你可以回收资源了，接着老大让小弟NodeManger清理现场回收资源。
下面的架构图来自ApacheHadoop官网，写了组件之间的行为，没有写具体工作流程，大家看着上面内容大致理解了，其实原理很简单，当然具体实现有难度，不然成不了角。
参考文章