yarn是一个资源调度系统，也可以视为一个在hadoop2.0平台上的插件系统，在HDFS的基础上，可以在yarn上运行多个计算框架，例如spark、sparksteaming、flink、MR等。
一、yarn的核心
RM（resource manager）的职责：
1.除了客户端的请求，接受JobSubmitter提交的作业（按照作业的上下文（Context））信息run.sh提交的参数，以及从NM（nodemanager）收集来的状态信息），启动调度过程，分配一个container作为APP master
2.RM作为中心服务，拥有系统中所有应用的资源分配决定权，其工作是调度、启动每一个job所属的application、监控application的存在情况
3.通过心跳通信，达到监控NM（nodemanager）
4.RM有一个纯碎的调度器组件scheduler
NM（nodemanager）的职责：
1.是slave进程，是每台机器的框架代理
2.处理来自RM的任务请求
3.接受处理来自AM（application master）的container的启动、停止请求
4.启动应用程序的container，并监控资源使用情况，并报告给RM
AM（application master）的职责：
1.应用程序的master，每一个应用对应一个AM，在用户提交一个应用程序时，一个AM的轻量型进程实力会启动，AM会协调这个应用程序内的所有任务的执行
2.负责一个job任务生命周期内的所有工作
3.每一个job都有一个AM，运行在RM机器之外的机器上
4.和NM协同工作，与RM的scheduler协商合适的container，并监控
container：
1.container（进程需要的资源cpu，内存，io）是进程
在mapreduce中container作为一个map task或者是一个reduce task
在spark container 可以同时拥有map task（线程）+reduce task（线程）
二、yarn的运行过程
1.client端提交一个任务请求给RM，RM运行之
2.RM选择一个NM启动container，运行application master
3.AM向RM请求适合的container来运行请求
4.AM通过请求获得更多的container来运行作业
三、高可用
1.RM挂掉：通过zookeeper设置备用RM，所谓高可用，当前RM挂掉，备用RM上位（机器要单数，zookeeper才可保证有一台被选主）
2.AM挂掉：通知RM，RM重启挂掉的AM，AM上有个RM applicationmanager，记录着AM的任务记录，已经完成的application不会重复
3.NM挂掉：不止一个，当一个挂掉，会通过心跳方式通知RM，RM知会AM，做进一步处理