解析:

 答：是,driver 位于ApplicationMaster进程中。该进程负责申请资源，还负责监控程序、资源的动态情况。 

解析:

 答：yarn logs -applicationId <app ID> 

解析:

 1)与其他计算框架共享集群资源（eg.Spark框架与MapReduce框架同时运⾏，如果不⽤Yarn进⾏资源分配，MapReduce分到的内存资源会很少，效率低下）；资源按需分配，进⽽提⾼集群
资源利⽤等。
 
2)相较于Spark⾃带的Standalone模式，Yarn的资源分配更加细致
 
3)Application部署简化，例如Spark，Storm等多种框架的应⽤由客⼾端提交后，由Yarn负责资源的管理和调度，利⽤Container作为资源隔离的单位，以它为单位去使⽤内存,cpu等。
 
4)Yarn通过队列的⽅式，管理同时运⾏在Yarn集群中的多个服务，可根据不同类型的应⽤程序负载情况，调整对应的资源使⽤量，实现资源弹性管理。 

解析:

 1）Container作为资源分配和调度的基本单位，其中封装了的资源如内存，CPU，磁盘，⽹络带宽等。 ⽬前yarn仅仅封装内存和CPU
 
2)Container由ApplicationMaster向ResourceManager申请的，由ResouceManager中的资源调度器异步分配给ApplicationMaster
 
3) Container的运⾏是由ApplicationMaster向资源所在的NodeManager发起的，Container运⾏时需提供内部执⾏的任务命令. 

解析:

 1） 运⾏ApplicationMaster的Container：这是由ResourceManager（向内部的资源调度器）申请和启动的，⽤⼾提交应⽤程序时，可指定唯⼀的ApplicationMaster所需的资源；
 
2） 运⾏各类任务的Container：这是由ApplicationMaster向ResourceManager申请的，并由ApplicationMaster与NodeManager通信以启动之。