这里简述一下客户端向yarn提交MR作业是，yarn是如何进行调度，同时会有哪些进程(windos下为线程)协调工作。
1、yarn简述
yarn是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式操作系统平台，而mapreduce等运算程序则相当于运行与操作系统之上的应用程序。yarn在hadoop2.x系列中被加入的资源管理器，取代hadoop1.x中的jobtracker，将资源管理与作业调度分离。
2、yarn的重要概念
2.1、yarn不需要清楚用户提交程序的运行机制。
2.2、yarn只负责提供运算资源(为运算程序提供一个容器，容器的资源由yarn负责分配)。
2.3、yarn的实现是主从关系，主动角色为ResourceManager、被动角色为NodeManager负责提供运算资源。
2.4、yarn与用户进程完全解耦，意味着yarn上可以运行各种类型的分布式运算程序，如mapreduce、storm、spark和tez等。所以通过yarn提供的接口同样可以实现自己的运算框架。
2.5、yarn是一个通用的资源调度平台，从此，生产中存在各种运算集群都可以整合在一个物理集群上，提高资源利用率，方便数据共享。
3、客户端向yarn提交mr作业流程
3.1、客户端提交作业申请
3.1.1、客户端向ResourceManager（后续简称RM）提交作业申请。
3.1.2、RM根据申请内容返回相关的信息（例如根据input的路径，返回对应的文件元数据，还有作业资源的提交路径）。
3.1.3、客户端根据RM返回的信息生成资源文件（job.split、job.xml、app.jar）并将资源文件提交至提交路径（一般存放在hdfs上）
3.14、资源文件提交完毕，向RM申请运行applicationMaster（后续简称AM）。
3.2、RM处理用户请求
3.2.1、RM将用户的请求打包为task，放置调度队列，根据当前yarn的调度模式进行调度（YARN提供的三种任务调度策略：FIFO Scheduler，Capacity Scheduler 和 Fair Scheduler）。
3.3、NodeManager（后续简称NM）从队列中获取task。
3.3.1、创建contianer容器启动AM。
3.3.2、下载资源文件。
3.4、AM向RM申请运行mapTask容器，RM将请求再打包为task放置调度队列。
3.4.1、其它NM获取到task后会再创建contianer容器并下载资源文件，contianer中的mapTask任务由AM负责监控和调度。
3.5、AM向maptask发送程序启动命令。
3.6、contianer运行mapTask
3.6.1、当各节点mapTask运行完毕后，AM重复3.4的步骤（这次申请运行reduceTask）。
3.7、程序运行完成后，AM向RM注销自己。
4、总结
//to do
【来自@若泽大数据】