YARN(Yet Another Resource Negotiator)，另一种资源协调器，在Hadoop 2.x之后出现，是一种新的Hadoop资源管理器。
将资源管理和任务调度工作分离开，减少MR中JobTracker压力。
MR缺陷：
1.Job Tracker存在单点故障。
2.JR任务多，内存开销大，不能合理跟踪TaskTracker，可伸缩性差。
3.一种类型一个集群，集群资源利用率低，不支持多种框架。
YARN优势：
1.资源管理与任务调度分开，减轻单点压力，更合理。
2.向后兼容性，MR.1作业无需修改即可运行在YARN上。
3.支持多个框架，MR，Storm，Spark等。
4.框架升级更容易，被封装，升客户端即可。
5.集群资源利用率更高，一个框架未用，资源框架使用。
YARN架构：
1个RM + N个NM
Resource Manager:负责整个集群的资源管理和分配：
- 处理Client请求。
- 启动式监控AM。
- 监控NM。
- 资源管理。
Application Master:用户提交的每个应用程序都包含一个AM：
- 数据切分。
- 为应用程序向RM申请资源。
- 任务的监控与容错。
- 与NM用心启停task，task运行在container。
Node Manager:管理YARN集群每个节点，监控节点健康：
- 单个节点的资源管理，任务调度。
- 定期向RM回报节点资源使用情况和容器状态。
- 接收饼处理AM的container启停等请求。
Container:资源抽象，AM向RM申请资源时，RM为AM返回的资源是使用Container表示的。YARN为每个任务分配一个Container:
- 对任务环境进行封装。封装CPU，内存等多维度的资源及环境变量等。
YARN执行过程：
1.Client向Yarn提交Job，找RM分配任务。RM开启一个Container，在Contain中运行一个APP Manager。
2,3.App Manager找一台NM启动App Master，进行任务计算。
4.App Master向App Manager申请资源。
5.RS将资源封装发给App Manager申请资源。
6.App Master将获取的资源分配各各个NM。
7.NM得到资源执行任务Map task,reduce task。
8.将结果反馈给App Master。
9.App Master将任务直观性结果反馈给App Manager。