客户端
Uber任务
故障转移控制器
节点管理器节点
故障处理机制：
主资源管理器节点
YARN应用JVM
master和节点管理器向资源管理器发送周期性心跳包，证明自己还活着
三、节点管理器失败
副资源管理器ResourceManager
任务失败尝试分配推测任务
Hadoop客户端
任务失败，在JVM退出之前，发送错误报告
四、资源管理器失败资源管理器是单点故障，他坏了整个系统就工作不了了，所以采取双机热备是必要的，运行一对资源管理器检测到主资源管理器失败后，故障转移控制器会将副资源管理器启动，转为主机。并且重启所有应用，应用信息保存在一个高可用的状态存储区。由于MapReduce任务信息是保存在ApplicationMaster中的，所以并不能恢复作业的进度，只能重跑作业客户端、节点管理器需要知道资源管理器的地址（以便获取master地址、发送心跳包），所以会缓存一个最新主资源管理器地址在本地，当主资源管理器故障后，会轮询每一个副资源管理器，直到副资源管理器变成主机
升级为主资源管理器重启所有应用
主资源管理器ResourceManager
三、节点管理器失败资源管理器长时间没收到资源管理器的心跳包，判定master失败（默认超时为10分钟）重新分配节点管理器，避免在失败过的节点分配恢复未完成的作业，重跑map任务，因为map任务中间结果输出到本地磁盘中（与节点管理器同一节点），避免reduce获取不到中间结果
通过umblical接口报告子任务进度和状态（每3秒）
二、ApplicationMaster失败
副资源管理器节点
四、资源管理器失败
Map/Ruduce
YarnChild
作业完成后，输出统计信息
节点管理器NodeManager
一、任务失败
Application Master
Application Master失败资源管理器长时间没收到master的心跳包，判定master失败重新分配执行master，避免在失败过的节点分配尝试次数=2新的master根据历史记录，恢复当前作业的进度客户端需要知道master地址（轮询获取作业信息）客户端缓存master的地址，当轮询超时后，向资源管理器获取新的master地址，并缓存起来
客户端轮询作业进度和状态（每秒）
任务失败（master收到错误报告或任务失联）尝试重新执行，避免在失败过的节点分配尝试次数4，则作业失败设置作业最大失败进度，避免在作业失败后有用的结果被删除
