1）引言
针对MRv1在扩展性。可靠性，资源利用率和多框架的支持上存在着明显的不足。进而诞生了下一代的MapReduce的计算框架MapReduce Version2,MRV1中有一个非常大的问题就是把资源管理和作业调度都扔给了JobTracker，造成了严重的单点瓶颈问题，全部MRV2主要在这一点上做了改进。他将资源管理模块构建成了一个独立的通用系统叫做Yarn，一下子MRV2的核心从MapReduce转到了Yarn上。
后面就有了关于Yarn的各种发展和演变了。
）Yarn设计理念和基本架构
yarn是专门为了解决MRV1的缺点而生的。
1.yarn资源利用率高。由于他能够支持不同的计算框架在上面执行
2.运维成本低。以往一个集群一个框架的模式须要非常多管理员去维护系统，如今可与在yarn上跑多个框架了，在上面你能够选择实时计算框架Storm，内存迭代式计算框架Spark，还能够用传统的MPI的方式解决对于数据计算要求比較高的数据挖掘算法。用一句话概括，yarn就是一个轻量级弹性计算平台。
Yarn的基本组成结构整体上仍沿用的是Master/Slave的结构，可是在资源管理这块，还是做了一点的变化的。一个ResourceManager是一个Master,在每一个子节点以下都有一个NodeManager，由RM给NM分配资源。在每一个节点中还会有ApplicationMaster(后面简称AM)的东西。他会负责与RM通信以获取资源，还会与NM通信来启动或者是停止任务。你能够理解成MRV1中的TaskTracker的角色。
NM是每一个节点上的资源和任务管理器，NM。AM,RM三者之间在整个应用从启动到结束的过程中会进行很多的协作。以下是一张模拟图:
1）引言
针对MRv1在扩展性。可靠性，资源利用率和多框架的支持上存在着明显的不足。进而诞生了下一代的MapReduce的计算框架MapReduce Version2,MRV1中有一个非常大的问题就是把资源管理和作业调度都扔给了JobTracker，造成了严重的单点瓶颈问题，全部MRV2主要在这一点上做了改进。他将资源管理模块构建成了一个独立的通用系统叫做Yarn，一下子MRV2的核心从MapReduce转到了Yarn上。
后面就有了关于Yarn的各种发展和演变了。
）Yarn设计理念和基本架构
yarn是专门为了解决MRV1的缺点而生的。
1.yarn资源利用率高。由于他能够支持不同的计算框架在上面执行
2.运维成本低。以往一个集群一个框架的模式须要非常多管理员去维护系统，如今可与在yarn上跑多个框架了，在上面你能够选择实时计算框架Storm，内存迭代式计算框架Spark，还能够用传统的MPI的方式解决对于数据计算要求比較高的数据挖掘算法。用一句话概括，yarn就是一个轻量级弹性计算平台。
Yarn的基本组成结构整体上仍沿用的是Master/Slave的结构，可是在资源管理这块，还是做了一点的变化的。一个ResourceManager是一个Master,在每一个子节点以下都有一个NodeManager，由RM给NM分配资源。在每一个节点中还会有ApplicationMaster(后面简称AM)的东西。他会负责与RM通信以获取资源，还会与NM通信来启动或者是停止任务。你能够理解成MRV1中的TaskTracker的角色。
NM是每一个节点上的资源和任务管理器，NM。AM,RM三者之间在整个应用从启动到结束的过程中会进行很多的协作。以下是一张模拟图:
