英文看著頭大，先試著翻譯一下。

E文原文：http://archive.cloudera.com/cdh5/cdh/5/hadoop/hadoop-yarn/hadoop-yarn-site/YARN.html

翻譯真是太難了，而且我翻譯的好爛，好爛，有時候自己也只能理解個大概。

====================================begin====================================

MapReduce在hadoop-0.2.3中發生了很大的變化，現在是MapReduce?2.0，又稱為YARN。

MRv2的基本思想是將JobTracker的兩個主要功能：資源管理和作業調度/監控分割成單獨的守護進程。

我們是這樣做的：有一個全局的ResourceManager??（ RM），每個應用程序都有一個ApplicationMaster （ AM ） 。一個應用程序既可以是單個的傳統意義上的Map-Reduce作業，也可以是單個DAG作業。

數據的計算框架由ResourceManager，每個節點的從站，節點管理器（ NM ）組成。 ResourceManager是仲裁系統中的所有應用程序的資源的最終者。

ResourceManager中有兩個主要組件：Scheduler?和ApplicationsManager 。

Scheduler因為了解容量的限制，隊列等，所以負責分配資源至各運行中的應用程序。Scheduler是純粹的調度程序，它不執行任何監視或跟蹤狀態的應用程序。此外，它不保證會重新啟動失敗的任務，無論是因為應用程序錯誤還是因為硬件故障所導致的。Scheduler履行其調度的功能，對于應用程序的資源需求，它基于抽象出的資源容器的概念，如內存，CPU ，磁盤，網絡等等的組合。在第一個版本，它僅僅支持內存。Scheduler有一個可插拔的插件策略，它負責在各種不同的隊列，應用程序等中分配群集的資源，比如當前的Map-Reduce調度器中的CapacityScheduler和FairScheduler。

CapacityScheduler支持層次化隊列，以允許更多的可預見的共享群集資源。

ApplicationsManager負責接受作業提交，協商用于執行該應用程序特定的ApplicationMaster并提供用于重啟因ApplicationMaster容器失敗的服務的第一容器。

NodeManager是每臺機器的計算框架的代理，它負責容器，監控他們的資源使用情況（CPU ，內存，磁盤，網絡）并報告到ResourceManager/Scheduler。

每個應用程序的ApplicationMaster負責從Scheduler協商恰當的資源容器，跟蹤他們的狀態和監控進程。

MRV2保持與以前的穩定版本（的hadoop - 0.20.205 ）API的兼容性 。這意味著所有的Map-Reduce作業只需重新編譯一下就可以在MRv2上運行。

=========================================over====================================================

?

?

總結

以上是生活随笔為你收集整理的Apache Hadoop下一代MapReduce框架（YARN）简介 （Apache Hadoop NextGen MapReduce (YARN)）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。