YARN 的 ResourceManager、NodeManager 和 ApplicationMaster 分别负责什么？
本文目录
面试怎么回答
ResourceManager 是全局资源管理和应用入口，负责在队列与应用之间分配 Container；NodeManager 运行在每个节点，负责本机 Container 的启动、监控和资源汇报；ApplicationMaster 每个应用一个，向 RM 申请资源，并协调 NodeManager 执行和跟踪本应用任务。Container 只是资源分配单位，具体运行 Executor 还是 Map Task 取决于应用框架。排障时我会按 RM 队列、AM 申请和 NM 节点三层定位。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
ApplicationMaster 挂了，不代表 ResourceManager 挂了；某个 NodeManager 异常，也不等于整个集群不能接收新任务。
YARN 把全局资源管理、单应用协调和单机执行拆给了不同组件。
ResourceManager 管全局资源，NodeManager 管单台机器上的 Container，ApplicationMaster 管一个应用的资源申请和任务生命周期。
ResourceManager：全局资源仲裁者
ResourceManager 是集群级组件，负责接收应用提交、管理应用生命周期，并在不同队列和应用之间分配资源。
它内部的 Scheduler 根据队列容量、优先级和资源请求分配 Container，但不会直接执行每一个业务 Task。ApplicationsManager 则负责接收提交，并为 ApplicationMaster 协调第一个 Container。
NodeManager：每台机器的资源代理
每个工作节点运行一个 NodeManager，负责启动、停止和监控本机 Container，并统计 CPU、内存等资源使用情况，再通过心跳向 ResourceManager 汇报。
某个 NodeManager 故障时，影响的是这个节点上的 Container。调度系统可以在其他健康节点重新申请资源，具体任务如何恢复由对应应用框架处理。
ApplicationMaster：一个应用一个主控
每个 YARN Application 都有自己的 ApplicationMaster。它向 ResourceManager 注册并申请 Container，再与相应 NodeManager 通信，启动和监控本应用任务。
Spark on YARN 中，ApplicationMaster 还会与 Driver 的部署模式产生关系；MapReduce 则使用自己的 MRAppMaster。AM 是框架相关的，不是全局只有一个。
Container：资源配额，不是固定进程类型
Container 表示一组已分配资源，例如内存和 vCore，以及可能的其他资源约束。NodeManager 在这个边界内启动具体命令。
因此“Container 就是 Executor”并不准确。Spark 可以用 Container 启动 Executor，MapReduce 可以用它启动 Map 或 Reduce Task，含义由应用框架决定。
一个典型场景
某 Spark 任务提交后长时间没有 Executor，第一反应是 NodeManager 不够。继续查看发现 ApplicationMaster 已经启动，但所在队列没有可用容量，资源请求一直等待 Scheduler 分配。
增加单个节点不一定立刻解决，因为队列上限和用户限制仍然生效。排障需要依次确认应用状态、AM、队列 headroom、Container 请求和节点健康。
YARN 排障先判断问题发生在集群、应用还是节点层。