与 Hadoop 1.x 相比，YARN/Hadoop 2.x 具有完全不同的架构。
在 Hadoop 1.x 中，JobTracker 有两个主要功能：
- 资源管理
- 作业调度/作业监控
回想一下，在 Hadoop 1.x 中，每个 Hadoop 集群都有一个 JobTracker 服务于这些功能，其中扩展可以压倒 JobTracker。此外，只有一个 JobTracker 会使其成为单点故障；如果 JobTracker 宕机，整个集群和所有当前作业一起宕机。
YARN 试图将上述功能分成两个守护进程：
- 全球资源经理
- 每个应用程序应用程序主机
在 YARN 之前，Hadoop 被设计为仅支持 MapReduce 作业。随着时间的推移，人们遇到了 MapReduce 无法解决的大数据计算问题，因此想出了在 HDFS 之上工作的不同框架来解决他们的问题。其中一些是：
-
阿帕奇星火
-
阿帕奇哈马
-
阿帕奇吉拉夫。
YARN 为这些新框架提供了一种集成到 Hadoop 框架中的方法，共享相同的底层 HDFS。 YARN 使 Hadoop 能够处理 MapReduce 之外的作业。
YARN 架构概述
纱线架构。 [图片来源'http://hadoop.apache.org/']
纱线组件
如前所述，随着架构的翻新，YARN 引入了一套我们必须熟悉的全新术语。
YARN 使用术语“应用程序”而不是 Hadoop 1.x 中使用的术语“作业”。在 YARN 中，应用程序可以是单个作业或作业的有向无环图 (DAG)，并且应用程序不一定必须是 MapReduce 类型。应用程序是特定应用程序类型的实例，它与应用程序主机相关联。对于每个应用程序，都会启动一个 ApplicationMaster 实例。
YARN 组件包括：
- 容器
- 全球资源经理
- 每节点节点管理器
- 每个应用程序应用程序主机
让我们一一了解每个组件。
容器
容器是一个工作单元发生的地方。例如，每个 MapReduce 任务（不是整个作业）都在一个容器中运行。应用程序/作业将在一个或多个容器上运行。为每个容器分配一组物理资源，目前支持 CPU 内核和 RAM。 Hadoop 集群中的每个节点都可以运行多个容器。
全球资源经理
资源管理器由两个主要元素组成；
- 调度程序
- 应用程序管理器
可插拔调度程序负责为正在运行的应用程序分配资源。调度资源是根据应用程序的资源需求来完成的，并确保最佳的资源利用率。可插入调度程序的示例包括 Capacity Scheduler 和 Fair Scheduler 。
Application Master 做几项工作；
- 接受客户端程序提交的作业。
- 协商第一个容器以执行每个应用程序的 Application Master。
- 提供重新启动失败的 Application Master 容器的服务。
正如您在 Hadoop 1.x 中所记得的那样，JobTracker 处理重新启动失败的任务并监视每个任务的状态。正如您在 YARN 中观察到的那样，ResourceManager 不处理任何这些任务，而是委托给一个名为 per-application Application Master 的不同组件，我们稍后会遇到它。这种分离使得 ResourceManager 成为分配资源的最终权威，并且它还降低了 ResourceManager 的负载并使其具有比 JobTracker 更大的扩展性。
您可能已经注意到全局资源管理器可能是单点故障。在 2.4 版本之后，Hadoop 引入了高可用性 Resource Manager 概念，通过 Active/Standby ResourceManager 对来消除这种单点故障。您可以从此 链接 阅读更多相关信息。
每节点节点管理器
节点管理器是实际为应用程序提供资源的组件。 NodeManager 守护进程是运行在 Hadoop 集群中每个计算节点上的从属服务。
NodeManager 从 ResourceManager 获取资源请求并将容器提供给应用程序。 NodeManager 跟踪每个节点的健康状况并定期向 ResourceManager 报告，以便 ResourceManager 可以跟踪全局健康状况。
在每个节点启动期间，它们向 ResourceManager 注册并让它知道可用资源的数量。此信息会定期更新。
NodeManager 管理资源并定期向 ResourceManager 报告节点状态，但它对应用程序状态一无所知。应用程序由一个名为 ApplicationMaster 的不同组件处理，我们将在接下来进行讨论。
每个应用程序应用程序管理器
ApplicationMaster从ResourceManager协商执行应用程序所需的资源容器，从NodeManager获取资源并执行应用程序。对于实际上是特定应用程序类型实例的每个应用程序，都会启动一个 ApplicationManager 实例。
在 Hadoop 1.x 中，当任务失败时，JobTracker 负责重新执行该任务，这会增加 JobTracker 的负载并降低其可扩展性。
在 Hadoop 2.x 中，ResourceManager 只负责调度资源。 ApplicationMaster 负责从 ResourceManager 协商资源容器，如果任务失败，ApplicationMaster 从 ResourceManager 协商资源并尝试重新执行失败的任务。
Hadoop 1.x 仅支持 MapReduce 类型的作业，因为其设计紧耦合以解决 MapReduce 类型的计算。相比之下，Hadoop 2.x 具有更可插入的架构，并支持在底层使用 HDFS 的新框架。通过开发 ApplicationMaster 可以插入一个新的框架并与 Hadoop 框架一起玩。
YARN 如何处理客户端请求？
当客户端程序向YARN框架提交应用程序时，ApplicationMaster是根据应用程序类型决定的。 ResourceManager 与 NodeManager 协商获得一个 Container 来执行 ApplicationMaster 的一个实例。启动 ApplicationMaster 实例后，它会向 ResourceManager 注册。 Client 通过 ResourceManager 与 ApplicationMaster 通信。 ApplicationMaster 与ResourceManager 协商特定节点的资源，并从NodeManager 获取最有可能是该特定节点的实际资源。在容器上运行的应用程序代码定期向 ApplicationMaster 报告它们的状态。作业完成后，AppMaster 向 ResourceManager 注销并释放使用的容器。
HDFS 高可用性
在 Hadoop 1.x 中，只有一个 NameNode，这使其成为单点故障。如果 NameNode 发生故障，整个集群将无法访问。为避免这种麻烦，Hadoop 2.x 引入了高可用性 NameNode 概念，即使用 Active/Standby NameNode 对。在高层，当 Active NameNode 服务于客户端请求时，Standby NameNode 不断与 Active NameNode 同步。如果 Active NameNode 出现故障，Standby NameNode 将成为 Active NameNode 并继续为客户端请求提供服务。您可以从 此处 深入阅读详细信息。