MapReduce：Master/Slave架構，1個JobTracker帶多個TaskTracker
JobTracker： 負責資源管理和作業調度
TaskTracker：
定期向JT彙報本節點的健康狀況、資源使用情況、作業執行情況；
接收來自JT的命令：啓動任務/殺死任務
YARN：不同計算框架可以共享同一個HDFS集羣上的數據，享受整體的資源調度
XXX on YARN的好處：
與其他計算框架共享集羣資源，按資源需要分配，進而提高集羣資源的利用率
XXX: Spark/MapReduce/Storm/Flink
YARN架構：
整個集羣同一時間提供服務的RM只有一個，負責集羣資源的統一管理和調度
處理客戶端的請求： 提交一個作業、殺死一個作業
監控我們的NM，一旦某個NM掛了，那麼該NM上運行的任務需要告訴我們的AM來如何進行處理
2) NodeManager: NM
整個集羣中有多個，負責自己本身節點資源管理和使用
定時向RM彙報本節點的資源使用情況
接收並處理來自RM的各種命令：啓動Container
處理來自AM的命令
單個節點的資源管理
3) ApplicationMaster: AM
每個應用程序對應一個：MR、Spark，負責應用程序的管理
爲應用程序向RM申請資源（core、memory），分配給內部task
需要與NM通信：啓動/停止task，task是運行在container裏面，AM也是運行在container裏面
4) Container
封裝了CPU、Memory等資源的一個容器
是一個任務運行環境的抽象
5) Client
提交作業
查詢作業的運行進度
殺死作業
YARN環境搭建
1）mapred-site.xml
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
2）yarn-site.xml
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
3) 啓動YARN相關的進程
sbin/start-yarn.sh
4）驗證
jps
ResourceManager
NodeManager
http://hadoop000:8088
5）停止YARN相關的進程
sbin/stop-yarn.sh
提交mr作業到YARN上運行：
/home/hadoop/app/hadoop-2.6.0-cdh5.7.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar
hadoop jar
hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 2 3