在TARN中，资源管理由RescoueceManager和NodeManager共同完成，其中，Resourcemanager中的调度器负责资源分配，而NodeManager则负责资源的供给和隔离。
ResourceManager将某个Nodemanager上资源分配给任务（这就是所谓的资源调度）后，NodeManager需按照要求为任务提供相应的资源，甚至保证这些资源应具有独占性，为任务运行提供基础保证，这就是所谓的资源隔离。
基于以上考虑，YARN允许用户配置每、个节点上可用的物理内存资源，注意，这里是“可用的”，因为一个节点上的内存会被若干个服务共享，比如一部分给YARN，一部分给HDFS，一部分给HBase等，YARN配置的只是自己可以使用的，配置参数如下：
（1）yarn.nodemanager.resource.memory-mb
表示该节点上YARN可使用的物理内存总量，默认是8192MB，注意，如果你的节点内存资源不够8G，则需要调减小这个值，而YARN不会智能的探测节点的物理内存总量。
上边这两个参数是有关联的，如果yarn.nodemanager.resource.detect-hardware-capabilities 为true并且yarn.nodemanager.resource.memory-mb 为-1，那么
yarn.nodemanager.resource.memory-mb是自动计算，如果不是则yarn.nodemanager.resource.memory-mb=8G(默认)
（2）yarn.scheduler.minimum-allocation-mb
单个任务可申请的最少内存，默认时1024M，如果一个任务申请的物理内存量少于该值，则该对应的值减少位这个数
（3）yarn.scheduler.maximum-allocation-mb
单个任务可申请的最大内存，默认时8192M
（4）yarn.nodemanager.pmem-check-enabled true
是否启动一个线程检查每个任务正在使用的物理内存量，如果任务超出分配值，直接将他杀掉，默认是True
（5）yarn.nodemanager.vmem-check-enabled true
是否启动一个线程检查每个任务正在使用的虚拟内存量，如果任务超出分配值，直接将他杀掉，默认是True
（6）yarn.nodemanager.vmem-pmem-ratio 2.1
任务每使用1M的物理内存，最多可使用的虚拟内存量
目前的CPU被划分成虚拟CPU（CPU virtual Core），这里的虚拟CPU是YARN自己引入的概念，初衷是，考虑到不同节点的CPU性能可能不同，每个CPU具有的计算能力也是不一样的，比如某个物理CPU的计算能力可能是另外一个物理CPU的2倍，这时候，你可以通过为第一个物理CPU多配置几个虚拟CPU弥补这种差异。用户提交作业的时候，可以指定每个任务需要的虚拟CPU个数。在YARN中，CPU相关配置参数如下：
(7) yarn.nodemanager.resource.cpu-vcores 12
表示该节点上YARN可使用的虚拟CPU个数，默认是8，目前推荐将该值设置位与物理CPU核数数目相同。如果物理CPU核数不够8，则需要调小这个值，而YARN不 会智能的探测物理CPU总数。
(8) yarn.scheduler.minimum-allocation-vcores 1
单个任务可申请的最小CPU个数，默认是1，如果一个任务申请的CPU个数小于该数，则将该数改为这个数。
(9) yarn.scheduler.maximum-allocation-vcores 4
单个任务可申请的最大CPU个数，默认是4
container: 容器个数的判别标准有两个维度
一个是物理内存，一个是CPU
memory 16c~4c
vcores 12c~3c
总结: yarn的在调优时候要综合考虑CPU和内存的分配，尽量保证不要空出多余的资源，假如container总内存30，container最小2G，总vcore8 container 最小1c
那么我们内存可以启动最多15个container，cpu最多启动8个container，最终可以启动8个container，会有相当多的内存没有用到。所以生产上的调优配置需要综合考量内存和 CPU的配比。