YARN的核心思想是把资源管理和任务调度/监控分离到不同的进程中。这个思想的实现依赖于全局的ResourceManager（RM）和每个应用的ApplicationMaster（AM）。
一个应用就是一个单独的作业或者DAG。
ResourceManager和NodeManager形成了数据计算框架，
ResourceManager是系统中所有应用的资源仲裁者。
NodeManager是个代理，它负责容器，监控资源使用（cpu，内存，硬盘，网络）随时通知给ResourceManager/Scheduler.
ApplicationMaster负责从ResourceManager取得资源以及和NodeManager一起工作用来执行和监控任务。
架构图如下：
ResourceManager有两个重要的组件：Scheduler（调度器）和ApplicationsManager（应用管理器）
Scheduler分配资源到不同的应用，Scheduler仅仅就是一个调度器，他不负责监控，跟踪应用的状态。
另外，他不保证重新执行失败的任务，不论是应用失败还是硬件失败。Scheduler根据应用的需求以及Container来执行调度工作。Container包含了内存，cpu，硬盘，网络等。
Scheduler拥有插入策略，这使得它可以在不同队列和应用之间分配集群资源。当前的调度器比如：CapacityScheduler和FairScheduler就是可插入的实例。
ApplicationsManager负责接口作业的提交和创建容器来执行应用的ApplicationMaster。并且会提供一个失败重启的服务。每个应用的ApplicationMaster都有从Scheduler获得容器资源的功能，并且跟踪状态监控过程。
hadoop-2.x的MapReduce保留和之前版本的API兼容性。这就是说所有MapReduce作业都运行在YARN之上。
YARN也提供资源预定的概念，通过ReservationSystem,这个组件用户可以指定一个配置文件，可配置资源超时时间和临时约束，以及预定资源保证重要作业的执行。ReservationSystem 跟踪资源超时，执行允许控制，动态指导调度器保证预定工作可行。