一个系列搞懂YARN（1）——Yarn架构
前言
几天前和大哥说起了Yarn，大哥问我，你知道Yarn里面怎么进行资源的动态分配回收的吗？我和诚实，说不知道，然后就有了这个系列博文。不同版本的hadoop版本对应的yarn文档会有差别，本文中选择的是Hadoop 3.3；废话不多说，咱们直接开始吧！
架构
YARN的基本思想是将资源管理和作业调度/监视的功能拆分为单独的守护程序。 这个想法是拥有一个全局的ResourceManager（RM）和每个应用程序的ApplicationMaster（AM）。 应用程序可以是单个作业，也可以是作业的DAG。
ResourceManager和NodeManager构成数据计算框架。 ResourceManager是在系统中所有应用程序之间仲裁资源的最终权限。 NodeManager是每台机器的框架代理，负责容器，监视其资源使用情况（cpu，内存，磁盘，网络），并将其报告给ResourceManager / Scheduler。
实际上，每个应用程序的ApplicationMaster是特定于框架的库，其任务是与来自ResourceManager的资源进行协商，并与NodeManager一起执行和监视任务。
ResourceManager具有两个主要组件：Scheduler和ApplicationsManager。
Scheduler负责将资源分配给各种正在运行的应用程序，但要遵循常见的容量，队列等约束。Scheduler是纯粹的调度器，因为它对应用程序的状态不执行任何监视或跟踪。此外，它也不保证由于应用程序故障或硬件故障而重新启动失败的任务。Scheduler根据应用程序的资源需求执行调度功能；它基于资源容器（Container）的抽象概念来做到这一点，该容器包含诸如内存，cpu，磁盘，网络等元素。
Scheduler具有可插拔策略，该策略负责在各种队列，应用程序等之间分配群集资源。例如CapacityScheduler和FairScheduler这些Scheduler都支持可插拔。
ApplicationsManager负责接受作业提交，协调第一个容器，该容器用于执行应用程序特定的ApplicationMaster，同时提供在发生故障时重新启动ApplicationMaster容器的服务。每个应用程序ApplicationMaster负责与Scheduler协调适当的资源容器，跟踪其状态并监视进度。
hadoop-2.x中的MapReduce保持与以前的稳定版本（hadoop-1.x）的API兼容性。这意味着仅通过重新编译，所有MapReduce作业仍应在YARN上保持不变。
YARN通过ReservationSystem支持资源保留的概念，ReservationSystem是一个组件，该组件可以让用户指定资源永久和临时限制（例如，截止日期）的配置文件，并保留资源以确保重要任务的按预期执行。ReservationSystem可以长期跟踪资源，执行保留的准入控制，并动态指示底层调度器确保保留的资源是充足。
为了将YARN扩展到成千上万个节点，YARN通过YARN Federation功能支持联合的概念。Federation允许将多个YARN（子）集群透明地连接在一起，并使它们看起来像一个单一的集群。这可以用于实现更大的规模，和允许将多个独立的群集一起用于执行大的作业，或用于具有全部权限的租户。
