Yarn的工作机制

(一)作业提交：
1.MR程序提交到客户端所在的节点上，产生一个YarnRunner ，（如果是本地则产生localRunner）
2.YarnRunner客户端向 ResourceManager 申请运行程序。ResourceManager 会将程序提交的资源路径和job id返回给客户端。
3.客户端将运行程序所需要的资源（配置文件XML、切片信息split、jar包）提交到指定的资源提交路径。
4.客户端提交完资源后，向ResourceManager 申请运行 MRAppMaster（单个job的老大）。
(二) 作业初始化
5.ResourceManager 将客户端的请求初始化成一个Task任务。 将任务放到FIFO任务队列里面
6.ResourceManager 找到一个空闲的NodeManager 领取到 Task 任务，用于运行MRAppMaster。
7.该 NodeManager 创建容器 Container用于运行MRAppmaster，并产生 MRAppmaster。（任何任务都是在容器里面运行）
8.Container 从 HDFS 上的集群资源的路径上拷贝资源（split切片信息）到本地。
(三) 任务分配
9.MRAppmaster 向 ResourceManager 申请运行多个MapTask 资源。 （切片个数对应MapTask个数）
10.ResourceManager 将运行 MapTask 任务分配给另外两个 NodeManager，另两个 NodeManager 分别领取任务并创建容器。
（这两个containier也可能在一个NodeManager上）
(四)任务运行
11.MRAppmaster 向两个接收到任务的 NodeManager 发送程序启动MapTask脚本，这两个 NodeManager 分别启动 MapTask，MapTask工作完后，对数据按照分区持久化到磁盘，等待ReduceTask来拉取。 （MapTask和ReduceTesk对应的进程都是Yarnchild）
12.MrAppMaster 等待所有 MapTask 运行完毕后，又向ResourceManager 申请容器，在容器中运行 ReduceTask。 （其对应的进程为Yarnchild）
13.ReduceTask 向 MapTask 获取相应分区的数据。
14.程序运行完毕后，MRAppmaster 会向 ResourceManager 申请注销自己。