YARN的基本思想是将资源管理和作业调度/监控的功能分解为单独的守护进程。我们的想法是拥有一个全局ResourceManager（RM）和每个应用程序ApplicationMaster（AM）。应用程序可以是单个作业，也可以是作业的DAG。
ResourceManager和NodeManager构成了数据计算框架。ResourceManager是在系统中的所有应用程序之间仲裁资源的最终权限。NodeManager是每台机器框架代理，负责容器，资源使用情况（CPU，内存，磁盘，网络）的监控，并将其报告给ResourceManager / Scheduler。
每个应用程序ApplicationMaster实际上是一个特定于框架的库，其任务是协调来自ResourceManager的资源，并与NodeManager一起执行和监控任务。
ResourceManager有两个主要组件：Scheduler和ApplicationsManager。
调度程序负责根据熟悉的容量，队列等约束将资源分配给各种正在运行的应用程序。调度程序是纯调度程序，因为它不执行应用程序状态的监控或跟踪。此外，由于应用程序故障或硬件故障，它无法保证重启失败的任务。调度程序根据应用程序的资源需求执行其调度功能; 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。
调度程序具有可插拔策略，该策略负责在各种队列，应用程序等之间对集群资源进行分区。当前的调度程序（如CapacityScheduler和FairScheduler）将是插件的一些示例。
ApplicationsManager负责接受作业提交，协调第一个容器以执行特定于应用程序的ApplicationMaster，并提供在失败时重新启动ApplicationMaster容器的服务。每个应用程序ApplicationMaster负责从Scheduler协调适当的资源容器，跟踪其状态并监视进度。
hadoop-2.x中的MapReduce维护API与先前稳定版本（hadoop-1.x）的兼容性。这意味着只需重新编译，所有MapReduce作业仍应在YARN之上保持不变。
YARN支持通过ReservationSystem进行资源预留的概念，即允许用户在指定时间资源和时间的限制（例如，截止日期），以及后备资源的配置文件，以确保重要jobs的执行。可预见的执行组件ReservationSystem跟踪资源超时，执行预留的准入控制，并动态指示基础调度程序确保预留已满。
为了将YARN扩展到超过几千个节点，YARN 通过YARN Federation功能支持Federation的概念。Federation允许透明地将多个yarn（子）集群连接在一起，并使它们看起来像一个大型集群。这可以用于实现更大规模，和/或允许多个独立集群一起用于非常大的工作，或者用于具有跨所有工作容量的租户。