YARN的调度按照调度方式分类可分为心跳调度和全局调度。心跳调度顾名思义就基于心跳的调度，当前分配container 到哪个机器取决于此时收到哪台机器心跳汇报，RM收到NM的心跳信息，做一些check，有资源则分配。另外一种全局调度，是可以统筹调度所有节点节点，按照排列的顺序调度到哪些节点(节点有独立线程根据其内存和CPU资源排序)。

      当前YARN的调度没有收集NM的机器实际load，physical mem，disk，net信息，导致很多任务分配到了负载高的节点导致长尾任务。大大延整个任务运行时长。我们通过RM考虑NM负载重新实现调度策略：NM测定时采集这些负载信息，并且通过心跳RPC汇报给RM。RM测获取到每个NM的负载信息，RM测获取到信息后，在调度时，通过给定的策略，综合考虑已分配内存，cpu，机器负载，网络情况对节点进行打分排序。影响因素的影响比重是可以动态配置的，比如配置memory:40,load:30,disk:15,net:15，假如mem都用完，直接会mem得分40分。最后分数最低的是最适合调度节点。下面图只是说明一个映射方式：

NM 汇报资源功能开发好后，需要开启RM的全局调度并且实现排序policy才能生效。

RM开启全局调度修改scheduler 配置文件添加：

<property>
    <name>yarn.scheduler.capacity.schedule-asynchronously.enable</name>
    <value>true</value>
</property>

<property>
    <name>yarn.scheduler.capacity.schedule-asynchronously.maximum-threads</name>
    <value>2</value>
</property>

<property>
    <name>yarn.scheduler.capacity.schedule-asynchronously.maximum-pending-backlogs</name>
    <value>1000</value>
</property>

<property>
    <name>yarn.scheduler.capacity.schedule-asynchronously.scheduling-interval-ms</name>
    <value>10</value>
</property>

<property>
    <name>yarn.scheduler.capacity.multi-node-placement-enabled</name>
    <value>true</value>
</property>
<property>
    <name>yarn.scheduler.capacity.multi-node-sorting.policy.names</name>
    <value>resource-based</value>
</property>
<property>
    <name>yarn.scheduler.capacity.multi-node-sorting.policy</name>
    <value>resource-based</value>
</property>
<property>
    <name>yarn.scheduler.capacity.multi-node-sorting.policy.resource-based.class</name>
    <!--value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.placement.ResourceUsageMultiNodeLookupPolicy</value-->
    <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.placement.新的调度策略类</value> 
</property>