YARN的基本思想时将资源管理功能与作业调度/监控功能划分为单独的服守护进程。实现的思路是设置一个全局ResourceManager（RM）并且为每个应用单独设置一个ApplicationMaster（AM）。一个应用既可以是一个单独的作业，也可以是作业的DAG。
ResourceManager与NodeManager构成了数据计算框架。ResourceManager是系统中所有应用程序的资源仲裁的最终权威。NodeManager是每台机器的框架代理，它对容器负责，监视它们的资源（cpu、内存、磁盘、网络），并且将其报告给ResourceManager/Scheduler。
事实上，每个应用的ApplicationMaster是一个特定框架库，用于协调来自ResourceManager的资源，并且与NodeManager(s)一同执行监控任务。
ResourceManager由两个主要组件：Scheduler与ApplicationsManager。
Scheduler负责根据熟悉的容量、队列等约束将资源分配给给不同的正在运行的应用。Scheduler是纯粹的调度器，即它不监控跟踪应用的状态。而且，它不保证重启由于应用故障或硬件故障进而导致执行失败的任务。Scheduler根据应用的资源需求执行调度功能，它是基于资源Container的抽象概念，它包含内存、CPU、磁盘、网络等元素。
Schedule可插入负责在各个队列、应用等之间划分集群资源的策略。当前的调度器，如CapacityScheduler与FairScheduler都是插件。
ApplicationsManager负责接受作业提交、协商用于执行特定于应用的ApplicationMaster的第一个容器，并且提供在故障时重启ApplicationMaster容器的服务。每个应用的ApplicationMaster负责与Scheduler协商出最合适的资源容器，跟踪它们的状态并且监控进度。
hadoop-2.x的MapReduce维护与过去版本（hadoop-1.x）的API兼容性。这意味着，只需要重新编译，在YARN上运行的所有MapReduce作业都可以保持不变。
YARN通过资源保留系统支持资源保留的概念，该组件允许用于指定资源的时间概况，用于保留资源以确保重要作业的可预测执行。保留系统跟随时间跟踪资源，执行预留的准入控制，并且动态指示底层调度器确保保留被满足。
为了能使YARN超过数千节点的规模，YARN通过YARN Federation特性支持联合的概念。联合可以令多个yarn集群（或子集群）透明地连接在一起，使其看起来像一个庞大的集群。这可以令集群达到相当大的规模，是多个独立的集群可以用于执行庞大的工作，或用于跨所有工作的容量的租户。