１．产生背景
Hadoop1.x时：
MapReduce：Master/Slave架构，1个JobTracker带多个TaskTracker
JobTracker： 负责资源管理和作业调度
TaskTracker：
定期向JT汇报本节点的健康状况、资源使用情况、作业执行情况；
接收来自JT的命令：启动任务/杀死任务
产生问题：单点故障，节点压力大不易扩展
YARN：不同计算框架可以共享同一个HDFS集群上的数据，享受整体的资源调度
XXX on YARN的好处：
与其他计算框架共享集群资源，按资源需要分配，进而提高集群资源的利用率
XXX: Spark/MapReduce/Storm/Flink
２．概述
Yet Another Resource Negotiator
通用资源管理系统
为上层应用提供统一的资源管理和调度
３．架构
1）ResourceManager: RM
整个集群同一时间提供服务的RM只有一个，负责集群资源的统一管理和调度
处理客户端的请求： 提交一个作业、杀死一个作业
监控我们的NM，一旦某个NM挂了，那么该NM上运行的任务需要告诉我们的AM来如何进行处理
-
NodeManager: NM
整个集群中有多个，负责自己本身节点资源管理和使用
定时向RM汇报本节点的资源使用情况
接收并处理来自RM的各种命令：启动Container
处理来自AM的命令
单个节点的资源管理 -
ApplicationMaster: AM
每个应用程序对应一个：MR、Spark，负责应用程序的管理
为应用程序向RM申请资源（core、memory），分配给内部task
需要与NM通信：启动/停止task，task是运行在container里面，AM也是运行在container里面 -
Container
封装了CPU、Memory等资源的一个容器
是一个任务运行环境的抽象 -
Client
提交作业
查询作业的运行进度
杀死作业
４．执行流程
５．环境搭建
/home/zq/hadoop-2.6.0-cdh5.7.0/etc/hadoop
1）mapred-site.xml(会发现没有这个文件，只有一个模板文件，改一下名字即可)
mapreduce.framework.name
yarn
2）yarn-site.xml
yarn.nodemanager.aux-services
mapreduce_shuffle
- 启动YARN相关的进程
sbin/start-yarn.sh
4）验证
jps
ResourceManager
NodeManager
或者：
http://zq:8088
5）停止YARN相关的进程
sbin/stop-yarn.sh
６．提交作业到YARN上面执行
样例:
/home/zq/hadoop-2.6.0-cdh5.7.0/share/hadoop/mapreduce2/hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar
输入hadoop jar jar包名
如用蒙特卡洛算法求圆周率：hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 2 3
还有很多其他的，自己可以一一尝试
