YARN:接收客户端提交过来的程序jar包，并帮助客户端，在服务端上分配内存+cpu资源，并帮用户启动jar中的程序。
在yarn中的老大是Resource Manager,小弟是Node Manager
在使用yarn的时候我们需要配好机器上可用的总内存，可用的总cpu。
Resource Manager在哪里无所谓，但是Node Manager最好和datanode在同一台机器上。假如maptask需要从hdfs读数据的时候，如果Node Manager和datanode在一台机器上的话文件就相当于本机传送，速度就会很快。
接下来我们就需要配置yarn的环境了：我们需要配置yarn-site.xml
这里的yarn.resourcemanager.aux-services希望yarn能够提供辅助服务，可以帮助mapreduce。
这里的yarn.nodemanager.resource.memory-mb指定了一个nodemanager节点的内存资源。这里我们至少需要指定2g.为什么呢？
因为真正启动maptask和reducetask的是MrAppMaster这个程序，但是它不参与数据处理，而这个程序要在yarn上运行也要占内存，cpu。MrAppMaster最少也要1.5g内存。如果nodemanager只有1g,那么将来运行这个程序的时候，nodemanager满足不了MrAppMaster的要求就执行不了。但是数据量小的时候这个程序根本用不到1.5g。只要能够启动就可以。可能只有一两百M。
这里的yarn.nodemanager.resource.cpu-vcores指定了一个nodemanager节点的cpu核数。
这里的核数其实是个比例关系。比如一个nodemanager可以运行两个maptask。假设一个maptask需要1g，由于我们分配了2g内存，所以我们就可以分配两个maptask,如果我们只分配了一个cpu,就只能运行一个maptask,分配两个cpu我们就可以运行两个maptask。
我们不需要配置nodemanager在哪里，他和datanode一样，在哪里启动就在哪里。因为他们都可以读配置文件知道老大在哪里。
启动nodemanager的时候和datanode一样同样会读取slaves文件。
配置好yarn-site.xml之后我们将它传送到其他机器上：
启动yarn：
start-yarn.sh
yarn也有web服务:
