注意：yarn框架只做资源的管理，如果要运行一个程序，则会为该程序分配节点、内存、cpu等资源，至于该程序如何运行，yarn框架不进行管理。故也不会知道mapreduce的运行逻辑 。同样因为这样的松耦合，yarn框架的使用范围更加广泛，可以兼容其他运行程序。
补充：MapReduce框架知道我们写的map-reduce程序的运行逻辑。我们写的map-reduce中并没有管理层的任务运行分配逻辑，该逻辑被封装在MapReduce框架里面，被封装为MRAppMaster类，该类用于管理整个map-reduce的运行逻辑。（map-reduce程序的管理者）
重点：步骤6中，由NodeManager主动发送心跳包，去ResourceManager检测是否有job任务，只当该NodeManager（即DataNode）有相关资源时，才会领取该job
MRAppMaster由YARN框架启动（动态启动，随机选取）
