1、YARN Client
YARN Client 提交Application 到ResourceManager，它会首先创建一个Application上下文件对象，并设置ApplicationMaster必需的资源请求信息，然后提交到ResourceManager。YARN Client也可以ResourceManager通信，获取到一个已经提交并运行的Application的状态信息等。
2、ResoutceManager****
管理者（主节点：做管理工作）+工作者（提供计算或者存储资源的，用来解决实际问题的）
ResourceManager上一个全局的资源管理器，集群只有一个，有SPOF问题，可以通过zookeeper实现HA机制，它主要负责整个系统的资源管理和分配，响应用户提交的不同类型应用程序的解析，调度，监控等工作，启动和监控ApplicationMaster，监控Nodemanger等。
整体职责解析
– 处理客户端请求
– 启动和监控ApplicationMaster
– 监控Nodemanager
– 负责资源的分配与调度
流程图如下：
所有这些Service都会经历三个步骤：
– Service实例的创建，创建好了以后，放在CompositeService的serviceList这个成员变量集合中
– 然后遍历这个ServiceList集合，取出每个service调用serviceInit()方法
– 然后遍历这个ServiceList集合，取出每个service调用serviceStart()方法
关于上述图中ResourceManager的主要成员工作职责解析
1. 用户交互模块
ClientService：是为普通用户提供的服务，它会处理来自客户端各种RPC请求，比如提交应用程序、终止应用程序，获取应用程序运行状态等。
AdminService：YARN 为管理员提供了一套独立的服务接口，以防止大量的普通用户请求使管理员发送的管理命令僵死，管理员可以通过这些接口管理集群，比如动态更新节点、列表、更新ACL列表，更新队列信息等。
2. NodeManger管理
NMLivelinessMonitor:监控NM是否活着，如果一个NodeManager在一定时间（默认10min）内未汇报心跳信息，则认为它死掉了，会将其从集群中移除。
NodesListManager:维护正常节点和异常节点列表，管理exlude和include节点列表，这两个列表均上在配置文件中设置的，可以动态加载。
ResourceTrackerService:处理来自NodeManger的请求，主要包括两种请求：注册和心跳，其中，注册上NodeManger启动时发生的行为，请求包中包含节点ID，可用的资源上限等信息，而心跳是周期性行为，包含各个container运行状态，运行的application列表、节点健康状况（可通过一个脚本设置），而ResourceTrackerService则为NM返回释放的Container列表、Application列表等。
- ApplicationMaster管理
AMLiveLinessMonitor:监控AM是否活着，如果一个Applicationmaster在一定时间（默认10min）内未汇报心跳信息，则认为它死掉了，它上面所有正在运行的Container将被认为死亡，AM本身会被重新分配到另外一个节点上（用户可制定每个applicationMaster的尝试次数，默认上1次）执行。
ApplicationMasterLauncher：与Nodemanager通信，要求它为某个应用程序启动ApplicationMaster。
ApplicationMasterService:处理来自ApplicationMaster的请求，主要包括两种请求：注册和心跳，其中，注册上ApplicationMaster启动时发生的行为，包括请求包中包含的所有节点，RPC端口号和tracking URL等信息；而心跳是周期性行为，包含请求资源的类型描述、待释放的Container列表等，而AMS则为之返回新分配的Container、失败的container等信息。 -
Application管理
ApplicationACLsManager:管理应用程序访问权限，保护两部分权限，查看和修改，查看主要指查看应用程序基本信息，而修改则主要上修改应用程序优先级，杀死应用程序等。
RMAppManager:管理应用程序的启动和关闭
containerAllocationExpirer:YARN不允许AM获得Container后长时间不对其使用，因为这会降低整个集群的利用率，当AM收到RM新分配的一个Container后，必须在一定时间(默认为10min)内在对应用的NM上启动该Container，否则，RM会回收该Container。
3、ApplicationMaster****
一个application运行在YARN之上：主控程序（AM：TL）+任务程序（Task）
应用程序管理器ApplicationMaster负责管理整个系统中所有应用程序，包括应用程序提交、与调度器协商资源以启动MRAppMaster、监控MRAPPMaster运行状态并在失败时重新启动它等
整体职责解析：
– 每个运行在YARN内部的Application都会启动一个ApplicationMaster，负责向ResourceManager注册Application和申请Container
– ApplicationMaster就是运行在YARN集群中的NodeManager中，相比RMv1，不会对ResouceManager造成较大的负担
– 负责整个应用程序的管理，跟NodeManager通信启动或者停止Task，监控/收集Task执行进度结果，或者进行Task的容错
ResouceManager、ApplicationMaster、Task之间的关系
– 客户端提交Job到ResouceManager，ResouceManager会为该Job启动一个ApplicationMaster来负责这个Job中的所有的Task的执行，所以ResouceManager负责管理ApplicationMaster
– 启动的ApplicationMaster专门负责一个Job的所有的Task的启动，执行，生命周期管理，状态跟踪，容错等等
4、MRAPPMaster****
MRAppMaster就是MapReduce的一个Application应用程序运行在YARN之上的ApplicationMaster。
MRAPPMaster负责管理MapReduce作业的生命周期，当客户端提交一个MapReduce Job到YARN的时候，ResouceManager会指派一个NodeManager来启动一个MRAPPMaster主控程序，来主持这个MapReduce Job的所有Task的执行。
5、Scheduler
YARN的资源调度服务：根据应用程序的需要的资源请求以及集群的资源情况，为应用程序分配对应的资源，他不会关系你申请到的Container资源去做什么。调度器就是根据容量、队列一些限制条件，将系统中的资源分配给各个正在运行的应用程序，调度器就是一个纯调度器，就是它只管资源分配，不参与具体应用程序相关的工作。
YARN内部有3种资源调度策略的实现：FIFOScheduler、FairScheduler、CapacityScheduler，其中默认是CapacityScheduler。
– FIFOScheduler：先进先出，不考虑应用程序本身的优先级和资源使用情况
– CapacityScheduler：将资源分成队列，共享集群资源但需要保证队列的最小资源使用需求
– FairScheduler：公平的将资源分给应用，保证应用使用的资源是均衡的。
CapacityScheduler实现了资源更加细粒度的分配，可以设置多级队列，每个队列都有一定的容量，即对队列设置资源上限和下限，然后对每一级别队列分别再来用合适的调度策略进行调度
6、NodeManager
NodeManager是YARN集群当中真正资源的拥有者，是真正执行应用程序的容器的提供者，监控应用程序的资源使用情况(CPU、内存、硬盘、网络)，并通过心跳向集群资源调度器ResouceManager进行汇报以更新自己的健康状态，同时其也会监督Container的生命周期管理，监控每个Container的资源使用情况。追踪节点健康状况，管理日志和不同应用程序用到的附属服务
整体职责：
– 管理自身的资源
– 处理来自ResouceManager的命令
– 处理来自ApplicationMaster的命令
所有这些Service都会经历三个步骤：
– Service实例的创建，创建好了以后，放在CompositeService的serviceList这个成员变量集合中
– 然后遍历这个ServiceList集合，取出每个service调用serviceInit()方法
– 然后遍历这个ServiceList集合，取出每个service调用serviceStart()方法
7、Container
Flink Slot=YARN Container逻辑资源管理单位
Container容器是一个抽象出来的逻辑资源单位，Container容器是由ResouceManager Scheduler服务动态分配的资源构成，它包含了该节点上的一定量CPU、内存、磁盘、网络等信息，MapReduce程序的所有Task都是在一个容器里执行完成的，容器的大小是可以动态调整的。
一个NodeManager节点会运行多个Container，但一个Container不会跨节点，任何 一个Job或Application必须有运行在一个或多个Container中，在YARN框架中，ResouceManager只负责告诉ApplicationMaster哪些Container可以用，ApplicationMaster还需要去找NodeManager请求分配具体的Container。