英文看着头大，先试着翻译一下。

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

翻译真是太难了，而且我翻译的好烂，好烂，有时候自己也只能理解个大概。

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

MapReduce在hadoop-0.2.3中发生了很大的变化，现在是MapReduce 2.0，又称为YARN。

MRv2的基本思想是将JobTracker的两个主要功能：资源管理和作业调度/监控分割成单独的守护进程。

我们是这样做的：有一个全局的ResourceManager  （ RM），每个应用程序都有一个ApplicationMaster （ AM ） 。一个应用程序既可以是单个的传统意义上的Map-Reduce作业，也可以是单个DAG作业。

数据的计算框架由ResourceManager，每个节点的从站，节点管理器（ NM ）组成。 ResourceManager是仲裁系统中的所有应用程序的资源的最终者。

ResourceManager中有两个主要组件：Scheduler 和ApplicationsManager 。

Scheduler因为了解容量的限制，队列等，所以负责分配资源至各运行中的应用程序。Scheduler是纯粹的调度程序，它不执行任何监视或跟踪状态的应用程序。此外，它不保证会重新启动失败的任务，无论是因为应用程序错误还是因为硬件故障所导致的。Scheduler履行其调度的功能，对于应用程序的资源需求，它基于抽象出的资源容器的概念，如内存，CPU ，磁盘，网络等等的组合。在第一个版本，它仅仅支持内存。Scheduler有一个可插拔的插件策略，它负责在各种不同的队列，应用程序等中分配群集的资源，比如当前的Map-Reduce调度器中的CapacityScheduler和FairScheduler。

CapacityScheduler支持层次化队列，以允许更多的可预见的共享群集资源。

ApplicationsManager负责接受作业提交，协商用于执行该应用程序特定的ApplicationMaster并提供用于重启因ApplicationMaster容器失败的服务的第一容器。

NodeManager是每台机器的计算框架的代理，它负责容器，监控他们的资源使用情况（CPU ，内存，磁盘，网络）并报告到ResourceManager/Scheduler。

每个应用程序的ApplicationMaster负责从Scheduler协商恰当的资源容器，跟踪他们的状态和监控进程。

MRV2保持与以前的稳定版本（的hadoop - 0.20.205 ）API的兼容性 。这意味着所有的Map-Reduce作业只需重新编译一下就可以在MRv2上运行。

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