【独家专题】在2013中国Hadoop峰会上，Hortonworks的CTOJeffMr.Jeff与我们分享了YARN在大数据中的应用。Jeff首先谈到了YARN相对于MESOS的一些优势。比如结构更简单，用户不需要设计太复杂的项目。在可扩展性方面，YARN也有自己的优势。Yarn框架相对于旧的MapReduce框架有哪些优势？我们可以看到，这样的设计大大降低了JobTracker（现为ResourceManager）的资源消耗，并且使得监控各个Job子任务（tasks）状态的程序分布式，更安全，更美观。在新的Yarn中，ApplicationMaster是一个可变的部分。用户可以针对不同的编程模型编写自己的AppMst，让更多类型的编程模型可以运行在Hadoop集群中。可以参考HadoopYarn官方配置模板中的mapred-site.xml配置。资源的表示以内存为单位（在当前版本的Yarn中，不考虑cpu占用），比之前的剩余槽数更合理。在老框架中，JobTracker的一个很大的负担就是监控job下的task的运行状态。现在，这部分丢给了ApplicationMaster，ResourceManager中有一个模块叫做ApplicationsMasters（不是ApplicationMaster），负责监控ApplicationMaster，如果出现问题，会在另一台机器上重启。Container是Yarn提出的一种未来用于资源隔离的框架。这一点应该是借鉴了Mesos的工作，Mesos目前是一个只提供java虚拟机内存隔离的框架。hadoop团队的设计思路，未来应该支持更多的资源调度和控制。由于资源是用内存来表示的，所以没有这样就消除了之前的mapslot/reduceslot分离导致集群资源闲置的尴尬情况。
