yarn本身也是一个集群，这个集群的老大是resourcemanager，其他的小弟是nodemanager。
yarn 是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式的操作系统平台，而MapReduce等运算程序则相当于是运行于操作系统之上的应用程序。
运算资源有：运算测程序jar包，配置文件，cpu，内存，IO
Linux操作系统提供一种机制可以不同的进程分开这些运算资源（cpu和内存）-- cgroup (Linux的资源隔离机制)
现在很多的虚拟化技术就是利用这个机制来做资源隔离的。比如说 docker
每一个node manager 都有一个 container (容器)，一个container里面是一定的cpu + 内存 + 运算程序所需要的jar包
所谓的yarn就是用来管理这些容器的分配的。
yarn 是hadoop 2.0 中的资源管理系统，它的基本设计思想是将MR v1 中的JobTracker拆分
成了两个独立的服务：一个全局的资源管理器ResourseManager和每个应用程序特有的
ApplicationMaster。
其中ResourceManager负责整个系统的资源管理和分配，而ApplicationMaster负责单个应用
程序的管理。
有两个client，提交两个程序。
YARN总体上仍然是master/slave结构，在整个资源管理框架中，resourcemanager为master，nodemanager是slave。Resourcemanager负责对各个nademanger上资源进行统一管理和调度。当用户提交一个应用程序时，需要提供一个用以跟踪和管理这个程序的ApplicationMaster，它负责向ResourceManager申请资源，并要求NodeManger启动可以占用一定资源的任务。由于不同的ApplicationMaster被分布到不同的节点上，因此它们之间不会相互影响。
有两个应用程序所以又两个ApplicationMaster，这连个ApplicationMaster是分到不同的node节点的。
yarn的基本结构，YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等几个组件构成。
ResourceManager是Master上一个独立运行的进程，负责集群统一的资源管理、调度、分配等等；NodeManager是Slave上一个独立运行的进程，负责上报节点的状态；App Master和Container是运行在Slave上的组件，Container是yarn中分配资源的一个单位，包涵内存、CPU等等资源，yarn以Container为单位分配资源。
Client向ResourceManager提交的每一个应用程序都必须有一个Application Master，它经过ResourceManager分配资源后，运行于某一个Slave节点的Container中，具体做事情的Task，同样也运行与某一个Slave节点的Container中。RM，NM，AM乃至普通的Container之间的通信，都是用RPC机制。
YARN的架构设计使其越来越像是一个云操作系统，数据处理操作系统。
1.ResourceManager:
RM是一个全局的资源管理器，集群只有一个，负责整个系统的资源管理和分配，包括处理客户端请求、启动/监控APP master、监控nodemanager、资源的分配与调度。它主要由两个组件构成：调度器（Scheduler）和应用程序管理器（Applications Manager，ASM）。
1） 调度器
调度器根据容量、队列等限制条件（如每个队列分配一定的资源，最多执行一定数量的作业等），
将系统中的资源分配给各个正在运行的应用程序。需要注意的是，该调度器是一个“纯调度器”，
它不再从事任何与具体应用程序相关的工作，比如不负责监控或者跟踪应用的执行状态等，
也不负责重新启动因应用执行失败或者硬件故障而产生的失败任务，这些均交由应用程序相关的ApplicationMaster完成。
调度器仅根据各个应用程序的资源需求进行资源分配，而资源分配单位用一个抽象概念“资源容器”（Resource Container，简称Container）表示，
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。
此外，该调度器是一个可插拔的组件，用户可根据自己的需要设计新的调度器，YARN提供了多种直接可用的调度器，比如Fair Scheduler和Capacity Scheduler等。
（2） 应用程序管理器
应用程序管理器负责管理整个系统中所有应用程序，包括应用程序提交、与调度器
协商资源以启动ApplicationMaster、监控ApplicationMaster运行状态
并在失败时重新启动它等。
2. ApplicationMaster（AM）
管理YARN内运行的应用程序的每个实例
功能：
数据切分
为应用程序申请资源并进一步分配给内部任务。
任务监控与容错
负责协调来自resourcemanager的资源，并通过nodemanager监视容易的执行和资源使用情况。
3. NodeManager（NM）
Nodemanager整个集群有多个，负责每个节点上的资源和使用。
功能：
单个节点上的资源管理和任务。
处理来自于resourcemanager的命令。
处理来自域app master的命令。
Nodemanager管理着抽象容器，这些抽象容器代表着一些特定程序使用针对每个节点的资源。
Nodemanager定时地向RM汇报本节点上的资源使用情况和各个Container的运行状态（cpu和内存等资源）
Container是YARN中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等，当AM向RM申请资源时，RM为AM返回的资源便是用Container表示的。YARN会为每个任务分配一个Container，且该任务只能使用该Container中描述的资源。需要注意的是，Container不同于MRv1中的slot，它是一个动态资源划分单位，是根据应用程序的需求动态生成的。目前为止，YARN仅支持CPU和内存两种资源，且使用了轻量级资源隔离机制Cgroups进行资源隔离。
功能：
对task环境的抽象
描述一系列信息
任务运行资源的集合（cpu、内存、io等）
任务运行环境
参考的博客：
https://www.cnblogs.com/wcwen1990/p/6737985.html
yarn
只负责程序运行所需要的分配回收等调度任务，与应用程序的内部运作机制完全无关。
所以，yarn已经成为一个通用的资源调度平台，许许多多的运算框架都可以借助它来实现资源管理。比如 MR /SPARK/STORM/TEZ/FLINK