对于很多人来说，大数据=Hadoop，大数据的相关技术源自Google的分布式计算和分布式文件系统（GFS），基于Google提出的分布式计算和文件系统，Apache Hadoop实现了自己的MapReduce和HDFS（Hadoop File System），并将其分享出来形成开源社区。如今Hadoop的开源社区发展地如火如荼，在MapReduce和HDFS的基础上Apache Hadoop发展出了更完善的生态系统，Hadoop2.0以上的版本核心组件有MapReduce计算架构、HDFS分布式文件系统、资源管理系统YARN和Common组件，其整体的生态构成图如下
相对于Hadoop 1.0，Hadoop 2.0加入了新的YARN组件，YARN是Yet another resource negotiator 的简称，总体上采用了双层调度架构，主要有以下几部分构成
（1）Resource Manager：负责资源管理的主服务，负责跟踪资源使用情况和节点活跃度，资源管理、调度和监控，它支持可插拔的资源调度器，自带了FIFO、Fair Scheduler和Capacity Scheduler三种调度器；
（2） Node Manager：是YARN的后台程序，负责认证Container租约，管理Container的从属，监控它们的执行情况。运行在每个节点上，负责资源管理和监控，它定期向Resource Manager汇报资源使用情况、故障和Container的生命周期，并接收来自Application Master的命令以启动Container（YARN中对资源的抽象），回收Container等；
（3）Application Master：负责管理单个应用程序，它向Resource Manager申请资源，负责动态改变资源消耗，管理执行流程，处理故障和计算偏差；
（4）Container：对资源的抽象，它封装了某个节点上的CPU、内存等资源，ApplicationMaster只有获得一个Container后才能启动任务，另外，ApplicationMaster本身也是运行在一个Container之中。
