yarn:只做運算資源的分配和排程，不參與使用者程式內部工作，
正因為如此，我們的yarn可以成為一個通用的排程平臺，
所以，包括我們的mr程式、storm程式、spark程式都可以執行在我們的yarn叢集上

mapreduce和yarn的互動過程：

1、Client向Resource Manager請求執行一個程式
2、Resource Manager給Client返回一個jobid和一個用於提交資源的路徑
eg：hdfs://..../.stage/
3、提交job資源到指定的路徑 
eg：將一些job.xml\job.jar等檔案提交到HDFS路徑，例如：.../.stage/jobid/job.xml
                                                 .../.stage/jobid/job.jar
4、資源提交完畢返回給Resource Manager
5、Resource Manager初始化任務資訊，加入排程佇列
6、相對空閒的Node Manger領到任務
7、node manager根據任務資訊建立container 並載入第三步中提交的資原始檔
   容器中含有程式執行的資原始檔+RAM+Vcores
8、client傳送一個shell命令到nodeManager 來啟動我們的MrAppMaster 
9、Node Manager向Resource Manager請求運算節點
10、MrAppMaster根據程式碼中設定數量 啟動一定數量的maptask
11、MrAppMaster根據程式碼中設定數量 啟動一定數量的reducetask

12、全部任務處理完畢之後，向ResourceManager登出自己

因此與老的MapReduce相比：

YARN把資源管理與任務排程的工作分離開來，減少了MapReduce中Job Tracker的壓力。