Hadoop新一代MapReduce框架Yarn，理解时需要注意的几点问题

这篇文章介绍了Yarn框架，我认为写的不错。但是对于初学者，我觉得应该特别注意以下几点，因为这些是容易混淆的问题。

1. YARN和MR2不是一回事。YARN只是一个资源管理的框架，并不是一个计算框架，MR2只是一个计算框架，并不是一个资源管理框架。计算框架可以运行在YARN上，即MR2可以运行在YARN上，但其他的计算框架（比如Spark）也可以运行在YARN上，只不过计算框架需要定义自己的ApplicationMaster(AM)而已。由于YARN是伴随着MRv2一起出现的，所以目前一些集成的平台（比如CDH）都在YARN里面已经集成了MR2，也就是说已经默认实现了MR2的AM。

2.YARN作为一个资源管理的框架，包括了两个主要角色：ResourceManger(RM)和NodeManager(NM)，它们共同完成资源管理。RM负责资源的分配，NM则负责资源的供给和隔离。RM将某个NM上资源分配给任务（这就是所谓的“资源调度”）后，NM需按照要求为任务提供相应的资源，甚至保证这些资源应具有独占性，为任务运行提供基础的保证，这就是所谓的“资源隔离”。

3.RM将内存、CPU、磁盘、网络等资源抽象后，形成了Container的概念，即每个Container就是一个NM节点上一定量的资源（目前只考虑到了内存和CPU）。所以我们可以简单的认为：资源分配就是分配Container。NM会通过心跳将自身的资源状态上报给RM。

4.RM包括两个主要模块：调度器和ApplicationsManager(ASM)。调度器负责Container分配，ASM负责AM的管理。

5. 每个计算程序称为一个Application。其提交时，客户端访问ASM，ASM向调度器申请得到一个Container，在其中启动一个AM进程，之后客户端就直接与AM联系了。

6.AM会为Application的子任务（例如：map和reduce），向调度器申请Container，也会请求NM启动Contianer。每个子任务都将运行在一个Container中，AM会监测这些任务的运行状况。

7.所有的Container都是由NM管理的，并且运行在NM节点上。如果AM监测到某个任务异常，将请求NM杀死该任务的Container。

8. 一个Application的所有子任务完成后，AM进程退出。如果该进程中途失败，ASM将重启它，这相当于变相的实现了AM高可用。