一、YANR 架構
圖中一共有 2 大塊元素，一塊是 ResourceManager，一塊是 NodeManager 。
ResourceManager： 可以看到，ResourceManager 是負責資源的管理與調度，再加上一個啓動 ApplicationMaster，注意：這裏的調度是純粹的資源調度，不涉及任務調度，任務調度應該是在 AM 中完成的。
**NodeManager：**NodeManager 是單臺節點上的資源和任務管理器，在 NodeManager 上面完成計算功能。
**ApplicationMaster：**負責向 RM 申請資源，啓動、監控任務，是 NodeManager 和 ResourceManager 之間的橋樑，避免它兩之間通信可以做到解耦。當用戶向 ResourceManager 提交任務後，RM 會首先找到可用的 NM，在其中分配一個 Container，在其中啓動 AM，。
Container： Container 是資源的抽象，就像我們 Windows 系統中的虛擬機，虛擬機可以利用 Windows 的資源，然後再這個資源上可以啓動 Linux 或者 Mac，同樣，在 YARN 中的Container 中，我們也可以啓動 MapReduce 或者 Spark 的任務。
要理解這些元素的作用是什麼，主要還是得理解整個框架的工作流程。
綜上，YARN 做到了解耦合，我們隨便上來一個計算框架，只要把自己的任務調度器加進來，然後把 Task 換成自己對應的 Task 即可。
二、YARN 的資源調度模型
2.1 Capacity 調度
Capacity 是以隊列爲單位劃分資源的，每個隊列預先設定一定比例的資源最低保證和使用上限，每個用戶提交任務時，yarn 首先判斷哪個隊列的資源利用率最低，就把這個任務分配到了該隊列；當一個隊列中的資源有剩餘時，可以先把資源借給其它隊列，當自己要用的時候，其它隊列就會釋放資源後歸還給該隊列。
2.2 Fair 調度
公平調度器是以整個集羣的資源爲劃分單位的，如：現有 A，B 兩個用戶，A 用戶先提提交了一個任務 A1，這時 A1 將可以使用集羣的全部資源，它所用的資源用 queueA 來表示；後來用戶 B 也提交了一個任務 B1，此時基於公平， A1 和 B1 平分資源，各使用 50% 的資源，B1 所佔的隊列稱爲 queueB；再後來，用戶 B 又提交了任務 B2，此時 B2 和 B1 共同使用 queueB 中的資源，它們各佔 queueB 資源的 50%，各佔整個集羣資源的 25%。