这篇文章主要讲解了“YARN集群工作机制是什么”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“YARN集群工作机制是什么”吧！
描述：YARN是Hadoop2.0加入一个资源调度框架，它同样是主从节点架构：ResouceManager（资源管理）和NodeManager。
优点：
1、资源调度和任务监控分离，解决JobTracker的瓶颈（压力、单点故障）
2、通用的资源调度平台，兼容更多运算框架（storm/spark/mapreduce）
工作机制：
（图摘自官网，官网的图看起来非常复杂，我个人看着是很费劲）
Yarn集群的工作机制：
了解Yarn工作机制前先要知道ResourceManager（以下简称RM）是一个资源任务调度器，负责任务资源的分配工作。
1、任务执行前：
1.1、向Yarn集群中提交job作业首先交给RM
1.2、RM返回job_id和job相关的资源路径
1.3、获得资源路径后往HDFS上传job
1.4、通知RM，job上传完毕
1.5、RM收到job提交完毕后会将job任务初始化
1.6、将job任务加入到任务列表（task list）
1.7、NodeManager（以下简称NN）会周期性向RM保持心跳通信，然后检查是否有需要自己领取的任务
1.8、NN一旦检查到需要自己领取的任务时，就领取任务
1.9、领取到任务之后会根据job资源信息分配一定大小的资源容器
1.10、下载job资源到容器
2、执行任务：
Yarn提供了AppMaster接口，AppMaster主要对任务进行监控和调度，RM只管理AppMaster，一旦AppMaster挂了，就会在其他NN节点上重新启动，这样一来RM的压力就降低了（对比Hadoop1.0的JobTracker），运算框架只要实现该接口即可在Yarn集群上面运行，这也是Yarn集群的第二个好处，兼容更多的运算框架Spark/Storm/MapReduce等都实现了该接口，MapReduce实现的接口为MRAppMaster
2.1、启动MRAppMaster,（RM会根据情况在某个NN节点启动）
2.2、MRAppMaster向RM注册
2.3、MRAppMaster根据RM提供的信息启动各个NN节点的Map Task
2.4、启动各个NN节点的Reduce Task
2.5、当任务执行完毕后向RM发起注销操作，销毁自己
感谢各位的阅读，以上就是“YARN集群工作机制是什么”的内容了，经过本文的学习后，相信大家对YARN集群工作机制是什么这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是云搜网，小编将为大家推送更多相关知识点的文章，欢迎关注！