YARN简短的建筑

从Hadoop的0.23版本号，MapReduce进行了全面的彻底的变革。也就是我们今天看到的MapReduce 2.0或者我们也能够叫它YARN.

老版本号的JobTracker有两个基本的功能：资源管理、任务调度与监控。

Yarn的思路就是把这两个功能进行拆分，分别交给两个独立进程进行维护。这两个进程各自是ResourceManager进程和ApplicationMaster进程。

ApplicationMaster进程是每一个Job一个。

RM和NM两种角色构成了Hadoop集群的计算框架。

RM对全部Job的资源申请具有终于的决定权。

ApplicationMaster进程负责从RM获得资源，并与NM一起运行监控tasks.

RM有两个基本的组件：Sheduler、ApplicationManager

Sheduler负责给执行的程序分配资源（存储容量、队列等）。Sheduler仅仅管调度，无论应用程序的状态。即便是应用程序由于种种原因失败了。也和他没有关系。Sheduler依据每一个程序对资源的申请来进行调度。

resourceContainer是一个新抽象的概念，它是内存、CPU、磁盘、网络等资源的抽象集合，第一版仅仅支持了内存。

Sheduler以resourceContainer为单位进行资源分配。

Scheduler在设计上採用了插件的策略，CapacityScheduler 和FairScheduler 就是Scheduler的两个插件。

类似于Eclipse,扩展起来easy吧？

CapacityScheduler 支持分层次队列，该功能使得它能够分配很多其它的集群资源（分配那些未来会被释放的资源）

ApplicationsManager 负责接收提交的任务，找到运行任务的ApplicationMaster 的容器，在容器失败的情况下，对容器进行重新启动。

NodeManager 是个client程序，提供ApplicationsManager 执行须要的容器，并对所在机器的资源（CPU、内存、磁盘、网络）进行监控，并把监控结果汇报给 ResourceManager/Scheduler.

ApplicationMaster 从Scheduler获得资源。跟踪任务的状态和运行进度。

MRV2与老版本号的稳定版的MR兼容性，旧的版本号MR编译再来看看新的集群方案可以被执行。