hadoop2.x的yarn是从哪个组件中分离出来？
Hadoop 2.x的YARN（Yet Another Resource Negotiator）是从Hadoop 1.x的MapReduce组件中分离出来的。在Hadoop 1.x中，MapReduce负责资源管理和作业调度，但随着大数据应用的增长，MapReduce的局限性变得明显。YARN的引入将资源管理和作业调度从MapReduce中分离出来，使得Hadoop集群可以同时运行多个计算框架，如MapReduce、Spark、Flink等，提高了集群的资源利用率和作业的灵活性。YARN的引入使得Hadoop集群更加通用和可扩展。
Hadoop 2.x 的 YARN 组件是从 Hadoop 的核心组件中分离出来的。在 Hadoop 2.0 版本中，YARN 并不是一个独立的组件，而是作为 Hadoop 的一个子组件运行的。但是，在 Hadoop 2.1 版本中，YARN 被分离出来成为一个独立的组件，这样可以更好地与 Hadoop 的核心组件进行分离和独立运行。因此，Hadoop 2.x 的 YARN 组件是从 Hadoop 的核心组件中分离出来的。
hadoop三大组件的作用？
Hadoop的三大核心组件分别是：
1、HDFS(Hadoop Distribute File System)：hadoop的数据存储工具。
2、YARN(Yet Another Resource Negotiator,另一种资源协调者)：Hadoop 的资源管理器。
3、Hadoop MapReduce:分布式计算框架。
HDFS采用master/slave架构。一个HDFS集群是由一个Namenode和一定数目的Datanodes组成。Namenode是一个中心服务器，负责管理文件系统的名字空间(namespace)以及客户端对文件的访问。集群中的Datanode一般是一个节点一个，负责管理它所在节点上的存储。
Apache Hadoop YARN (Yet Another Resource Negotiator，另一种资源协调者)是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。通过YARN，不同计算框架可以共享同一个HDFS集群上的数据，享受整体的资源调度。
Hadoop的MapReduce是对google三大论文的MapReduce的开源实现，实际上是一种编程模型，是一个分布式的计算框架，用于处理海量数据的运算。
yarn的三种调度策略配置参数？
Yarn有三种调度策略配置参数，分别是FIFO、Capacity和Fair。FIFO是最简单的策略，按照作业提交的顺序进行调度。
Capacity策略根据集群资源的容量进行分配，可以为不同的队列设置不同的资源容量。
Fair策略根据作业的需求和历史资源使用情况进行动态调度，以实现公平共享资源的目标。这些策略可以根据集群的需求进行配置，以满足不同的调度需求。
到此，以上就是小编对于的问题就介绍到这了，希望这3点解答对大家有用。