1、Yarn基础框架

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运行于操作系统之上的应用程序。

YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成。

（1）ResourceManager（RM）：
整个集群资源的管理者，进行资源的分配和调度；处理客户端请求；监控NodeManager的运行情况；启动和监控ApplicationMaster。

（2）NodeManager（NM）：
对单节点即单台服务器进行资源管理和调度；处理ResourceManager的命令；处理ApplicationMaster的命令（因为任务提交到AM会由NM向RM申请资源，申请之后在NM上运行）。

（3）ApplicationMaster（AM）：
为作业向RM申请资源，由RM根据资源情况再分配；任务的监控和容错（当节点挂了之后可以向RM再申请容器，在容器里运行MapTask）。

（4）Container（容器）：相当于容器，封装了资源（内存、CPU、磁盘等）。

2、Yarn工作机制

（0）MR程序提交到客户端所在的节点，在集群模式中运行MR程序，当运行到主函数的waitForCompletion()函数时创建YarnRunner（本地模式是LocalRunner）。

（1）YarnRunner向ResourceManager申请一个Application运行任务。

（2）RM将该应用程序的资源路径返回给YarnRunner，让YarnRunner把提交的job放到集群路径上。

（3）该程序将运行所需资源提交到HDFS集群路径上，包括split切片信息（控制开启MapTask的数量）、配置参数文件xml（控制任务按照xml里的参数运行）以及jar包（程序代码）。

（4）程序资源提交完毕后，YarnRunner申请运行MrAppMaster。

（5）RM将用户的请求初始化成一个Task任务，然后放到任务队列中排队（任务队列默认是容器）。

（6）空闲NodeManager领取Task任务。

（7）该NodeManager创建容器Container（任务的执行只能发生在容器中，容器中封装了资源），并在容器中启动MRAppmaster进程。

（8）Container从HDFS集群路径上拷贝资源（即切片信息等）到本地。

（9）容器拿到切片信息后，由MRAppmaster向RM 再次申请运行MapTask（切片个数=MapTask个数，有多少切片就申请开启多少MapTask）。

（10）RM将运行MapTask任务分配给NodeManager，NodeManager领取任务并创建容器（MapTask对应的容器有可能在同一个NodeManager节点上），并拷贝cpu、ram和jar包资源。

（11）MRAppMaster向接收到任务的NodeManager发送程序启动命令，NodeManager分别启动MapTask，然后开启YarnChild进程。MapTask运行结束后对数据进行分区排序并持久化到磁盘等待ReduceTask拉取。

（12）MrAppMaster等待所有MapTask运行完毕后，向RM再次申请容器运行ReduceTask程序（有多少分区就开启多少ReduceTask）。开启任务之前依旧是先开对应的容器，在容器里启动ReduceTask，ReduceTask对应的进程是YarnChild。

（13）ReduceTask向MapTask获取相应分区的数据。

（14）ReduceTask程序运行完毕后，MrAppMaster会向RM申请注销自己，释放容器等资源。