Yarn 的基本思想是将JobTracker的两个主要功能（资源管理和作业调度/监控）分离，主要方法是创建一个全局的ResourceManager（RM）和若干个针对应用程序的ApplicationMaster（AM）。这里的应用程序是指传统的MapReduce作业或作业的DAG（有向无环图）。
- 首先Client(客户端)调用job.waitForCompletion 方法，向整个集群提交MapReduce作业;
- 这个时候YarnRunner 会向ResourceManager(RM) 申请一个Application(作业);
- 这时RM 会给Client 返回当前Job 资源的提交路径和 一个Application_id(作业ID);
- 收到申请到的作业ID后，Client提交jar 包、切片信息(.splits)和配置文件(.xml)到指定的资源提交路径;
- 程序资源提交完毕后，Client 接着向RM 请求运行MrAppMaster;
- RM 收到请求，将请求初始化成一个Task，并添加到 Capacity Scheduler(默认容量调度器)；
- 待当某一个空闲的NodeManager(NM) 领取到该Task 任务；
- 该NM会创建一个Container(动态资源分配单位，它将内存、CPU、磁盘、网络等资源封装在一起，从而限定每个任务使用的资源量。)，并产生MRAppmaster；
- 然后该NM会从HDFS上拷贝该Job所提交的资源到本地；
- 根据Job提交信息，MRAppmaster 会向RM 申请运行多个MapTask任务资源；
- RM 根据 MRAppmaster 的申请添加到 Capacity Scheduler。
- 待 有空闲的NodeManager 领取到该任务，会在本地也创建Container；
- 然后RM 会将领取到任务的NM 发送程序启动脚本；
- 脚本启动后，NM 会启动 MapTask 对数据进行处理；
- MrAppMaster 等待所有的MapTask运行完毕之后，又会向RM申请容器运行ReduceTask；
- ReduceTask向MapTask获取相应分区的的数据，进行运行；
- 当程序运行完毕，MrAppMaster会向RM注销自己。
目前，Hadoop作业调度器主要有三种：FIFO(先进先出)、Capacity Scheduler(容量 )和Fair Scheduler(公平)。Hadoop2.7.2默认的资源调度器是Capacity Scheduler。
The class to use as the resource scheduler. yarn.resourcemanager.scheduler.class org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler
