1. mapreduce 1.0的问题：
1）JobTracker性能问题 ， 2）JobTracker单点问题 ，3）只支持mapreduce一个计算框架
2. 资源利用率：
3. 运维成本与数据共享：
运维成本
如果采用“一个框架一个集群”的模式，则可能需要多个管理员管理这些集群，进而增加运维成本，而共享模式通常需要少数管理员即可完成多个框架的统一管理
数据共享
随着数据量的暴增，跨集群间的数据移动不仅需花费更长的时间，且硬件成本也会大大增加，而共享集群模式可让多种框架共享数据和硬件资源，将大大减小数据移动带来的成本
4. 总结：
二. yarn基本架构：
ResourceMannager
- 整个集群只有一个（起ha,有backup），负责集群资源的统一管理和调度
- 功能：
- 处理客户端请求
- 启动/监控ApplicationMaster
- 监控NodeManager
- 资源分配与调度
- 整个集群有多个，负责单节点资源管理和使用
- 功能：
- 单个节点上的资源管理和任务管理
- 处理来自ResourceManager的命令
- 处理来自ApplicationMaster的命令
ApplicationMaster
- 每个应用有一个，负责应用程序的管理
- 功能：
- 数据切分
- 为应用程序申请资源，并进一步分配给内部任务
- 任务监控与容错
- 对任务运行环境的抽象
- 描述一系列信息 :
- 任务运行资源（节点、内存、CPU）
- 任务启动命令
- 任务运行环境
三. yarn运行过程：
