Yarn是Hadoop2中为了缓解MapRedurce工作压力，让其专心与数据的分析而添加的新模块，负责任务的调度和资源的管理，其工作流程如下图：
Resource Manager：（总管）
处理客户请求；
启动/监控Application Master；
监控Node Manager；
资源分配与调度；
Node Manager：（每个节点，即机器的管理员）
单个节点上的资源管理；
处理来自Resource Manager和Application Master的命令；
Application Master：（对任务管理）
数据切分；
为应用程序申请资源并配合分配给内部任务；
任务监管与容错；
Container：（环境，容器）
对任务运行环境的抽象，封装了CPU内存等多维资源以及环境变量，启动命令等任务运行相关信息；
对照图中的步骤：
- 用户向Yarn中提交应用程序，也就是一系列需要完成的任务，其中包括Application Master（对这个任务负责）程序，启动Application Master的命令，用户程序等；
- Resource Manager为该应用程序分配一个Container（目前还没有分配其中的内容）并与对应的Node Manager通信，要求它在这个Container中启动应用程序的Application Master；
- Application Master首先向Resource Manager注册，这样用户可以直接通过Resource Manager查看应用程序运行的状态；然后它将为各个任务申请资源，并监控它的运行状态，直到结束，即重复4~7，需要注意的是，这里因为Application Master会将应用程序分成多个任务，因此为多个任务申请的资源不一定在同一台机器上，所以在步骤5中会有分支指向其他Node Manager；
- Application Master采用轮询的方式通过RPC协议向Resource Manager申请和领取资源，Resource Scheduler将CPU，内存，磁盘封装成Container（不一定都在同一个节点下）发给Application Master；
- 一旦Application Master申请到资源后，便于对应的Node Manager（不一定是同一个）通信，要求它启动任务，并传递资源；
- Node Manager为任务设置好运行环境（包括环境变量，JAR包，二进制程序等）后，将任务启动命令写到一个脚本（Map Task/Reduce Task）中去，并运行该脚本任务，这里才真正的开始执行任务；
- 各个任务通过某个RPC协议向Application Master汇报自己的状态和进度（不同的Node Manager下的同一个任务的片段会向相同的Application Master汇报），以让Application Master随时掌握各个任务的运行状态，从而可以在任务失败的时候重启任务（在任务运行的过程中，用户可以随时通过RPC协议向Application Master查询应用程序当前的运行状态）；
- 应用程序运行完成后，Application Master向Resource Manager注销并关闭自己。