2013 Hadoop中国技术峰会上，51CTO记者有幸采访到Hortonworks CTO，Jeff Markham先生。Jeff是曾经与VMware，Red Hat，IBM等公司一起构建不同架构的应用，用以处理非结构化数据。
【51CTO独家特稿】在2013 China Hadoop Summit峰会上，来自Hortonworks的CTO，Jeff先生为咱们共享了YARN在大数据方面的使用。
Jeff首要谈到了YARN比照MESOS的一些优势。比方架构愈加简略，用户能够不必过于杂乱的规划工程。在可扩展性方面，YARN也有自己的优势。Yarn 结构相关于老的 MapReduce 结构什么优势呢？咱们能够看到：
这个规划大大减小了 JobTracker（也便是现在的 ResourceManager）的资源耗费，而且让监测每一个 Job 子使命 (tasks) 状况的程序分布式化了，更安全、更美丽。在新的 Yarn 中，ApplicationMaster 是一个可改变的部分，用户能够对不同的编程模型写自己的 AppMst，让更多类型的编程模型能够跑在 Hadoop 集群中，能够参阅hadoop Yarn 官方装备模板中的 mapred-site.xml 装备。
关于资源的表明以内存为单位 ( 在现在版别的 Yarn 中，没有考虑 cpu 的占用 )，比之前以剩下 slot 数目更合理。 老的结构中，JobTracker 一个很大的担负便是监控 job 下的 tasks 的运行状况，现在，这个部分就扔给 ApplicationMaster 做了，而 ResourceManager 中有一个模块叫做 ApplicationsMasters( 留意不是 ApplicationMaster)，它是监测 ApplicationMaster 的运行状况，假如出问题，会将其在其他机器上重启。
Container 是 Yarn 为了将来作资源阻隔而提出的一个结构。这一点应该学习了 Mesos 的作业，现在是一个结构，只是供给 java 虚拟机内存的阻隔 ,hadoop 团队的规划思路应该后续能支撑更多的资源调度和操控 , 已然资源表明成内存量，那就没有了之前的 map slot/reduce slot 分隔形成集群资源搁置的为难状况。
