YARN是一种资源管理机制，可以基于这种资源管理机制运行多种计算框架，比如mapreduce和storm，任何框架与YARN的结合，都必须遵循YARN的开发模式，下图为YARN框架的基本原理。
其中，ResourceManager和NodeManagers是整个计算框架的核心部分，ResourceManager负责资源的分配，将集群的资源分配给各个应用使用，而资源分配和调度的基本单位是Container,Container封装了内存，磁盘和网络，每个任务都会被分配一个Container,该任务使用Container中的资源执行，而NodeManager则是一个计算节点的管理着，负责启动Application所需的Container，并且对对内部资源进行监控，将内存，磁盘，CPU等资源的使用情况汇报给ResourceManager.
YARN运行模式根据Driver在集群中的位置可以分为YARN-Client模式和YARN-Cluster模式。
YARN-Client运行模式如下图所示
值得注意的是，在SparkContext启动过程中，初始化DAGShedular调度器， 初始化YarnScheduler和YarnClientShedularBackend，和启动DriverEndpoint和Client过程，都是在客户端Client过程中进行的。
在spark-submit 脚本提交应用程序可以通过参数列表中--master yarn-client 设置为Yarn-Client模式， YARN-Client模式中，Driver在客户端本地运行，这种模式可以使得Spark Application和客户端进行交互， 因为Driver在客户端本地运行， 使得Spark Application 和 客户端进行交互， 可以通过WebUI访问Driver的状态。
YARN-Cluster运行模式如下图所示
在YARN-Cluster运行模式中，当用户向YARN中提交的一个应用程序后，YARN将分为两个阶段运行在该应用程序，第一个阶段是把Spark的Driver作为一个Application Master在YARN集群中先启动，第二个阶段是由Application Master创建应用程序，然后为它向Resource Manager申请资源，并启动Executor运行任务急，监控运行过程。
在YARN-Cluster运行模式下，客户端只负责提交应用程序，这个过程包括启动Application Master命令，提交给Application Mater的程序和需要在Executor中运行的程序等。而关于SparkContext的初始化则是由ResourceManager在收到Client的请求后，在集群中选择一个NodeManager,为该应用程序分配Container,启动Application Master,其中Application Master对SparkContext进行初始化，这是YARN两种运行模式下最直观的区别。而在YARN-Client运行模式下，ResourceManager虽然在收到请求后也会在集群中选择一个NodeManager,并分配Container,并在这个Container中启动Application Master,但是这个Application Master并不运行Spark Context,只是与其建立联系，进行资源的分配。
YARN-Client 与 YARN-Cluster对比
理解YARN-Client和YARN-Cluster的区别， 主要要了解Application Master, 在YARN中，每个Application 实例都有一个Application Master进程， 它是Application启动的第一个容器。它负责和Resource Manager打交道并请求资源，获取资源之后告诉NodeManager 为其启动Container. 所以YARN-Cluster 和 YARN-Client的区别其实就是Application Master进程的区别。
YARN-Client 模式：Application Master仅仅向YARN请求Executor, Client会和请求的Container的通信来调度它们工作，Client是不能离开的。
YARN-Cluster模式：Driver 运行在Application Master中， 它负责向YARN申请资源，并监督作业的运行情况， 当用户提交了作业之后，就可以关于关闭Client，作业会继续在YARN上运行， 因而YARN-cluster模式不适合进行交互式类型的作业。
