yarn 概述
hdfs上面的资源管理和计算框架
一、角色划分
http://www.cnblogs.com/chushiyaoyue/p/5784871.html
ResourceManager rm; 总控 = 调度器 + 应用程序管理器
NodeManager nm;具体节点
ApplicationMaster am; 应用
Container是一个动态资源分配单位，它将内存、CPU、磁盘、网络等资源封装在一起，从而限定每个任务使用的资源量。
二、yarn job的调度过程
1、提交，其中包括ApplicationMaster程序、启动ApplicationMaster的命令、用户程序等。
2、ResourceManager为该应用程序分配第一个Container，并与对应的Node-Manager通信，要求它在这个Container中启动应用程序的ApplicationMaster。
3、ApplicationMaster首先向ResourceManager注册，这样用户可以直接通过ResourceManager查看应用程序的运行状态，然后它将为各个任务申请资源，并监控它的运行状态，直到运行结束，即重复步骤4~7。
4、ApplicationMaster采用轮询的方式通过RPC协议向ResourceManager申请和领取资源
5、一旦ApplicationMaster申请到资源后，便与对应的NodeManager通信，要求它启动任务。
6、NodeManager为任务设置好运行环境（包括环境变量、JAR包、二进制程序等）后，将任务启动命令写到一个脚本中，并通过运行该脚本启动任务。
7、各个任务通过某个RPC协议向ApplicationMaster汇报自己的状态和进度，以让ApplicationMaster随时掌握各个任务的运行状态，从而可以在任务失败时重新启动任务。在应用程序运行过程中，用户可随时通过RPC向ApplicationMaster查询应用程序的当前运行状态。
8、应用程序运行完成后，ApplicationMaster向ResourceManager注销并关闭自己。
三、总结
ResourceManager和NodeManager(NM)组成了基本的数据计算框架。application相当于map-reduce job或者DAG jobs。ApplicationMaster对应的是一个应用程序，也就是一个map-reduce job
和map reduce相比，是把资源管理和作业调度进行了解耦（只提供资源管理）