简述下一代mapreduce，yarn或者说是mrv2

   最新的架构在hadoop-0.23做了介绍，主要讨论两个功能：资源管理和作业生命周期管理到单独的组件
   新的RM管理应用的全局计算资源的分配以及每个ApplicationMaster 管理应用的调度和协调。
   一个应用既是一个典型的MR任务场景中的一个job，也是一个这类工作的DAG
   RM和每一个NM实例，管理着用户在机器上的操作，构成计算模型

  每一个ApplicationMaster都是有效的，一个指定了类库的框架，负责和RM谈判资源以及和NM一起执行和监控任务

 

   RM两个主要的组件：调度器和应用管理。调度器负责分配资源给不同的正在运行的应用主题，或者给熟悉的能力约束，或者队列等等
  调度器在实际场景中纯粹是调度，它不执行监控和应用的状态的跟踪。而且，它不保证任务失败重启，无论是因为应用失败或者是硬件失
败，调度器只是执行它的基于应用资源需求的调度功能；它是合并单元，如内存，cpu，硬盘，网络等资源的容器的抽象概念，在早期的版本中，只是支持内存
  调度器有对不同的队列，应用中的集群分区响应的可插拔式的插件。当前版本中的Map-reduce调度器，如能力调度器和公平调度器就是这一类的插件。
  能力调度器支持分层的队列来实现集群资源的更多的预言分享。
ApplicationsMaster负责接受job-submissions，协商执行应用的第一个容器，指定ApplicationMaster和提供ApplicationMaster容器出错时重启服务。
  NM是每台机器中负责容器，监控他们的资源使用情况（如cpu，memory,disk,network)和报告相同的RM/Scheduler的框架代理。
  每个程序的ApplicationMaster有责任从调度器中协商适当的资源容器 ，跟踪他们的状态和监控处情况
  MRV2维持和之前稳定版本（hadoop-1.x)api兼容性,这意味中所有的map-reduce jobs仅仅需要重新编译就依然没有改变的运行在MRV2之上。