网上说得纷飞复杂的，其实要想简单用起来，Hadoop、Yarn、Spark的基本构架都很简单，如下图所示，都是一个总分的结构：
最初大数据的发明，就是为了解决一台机子做不了事情的问题。比如你一台机子硬盘大概2TB大小，但是我一个数据文件就有10TB大……那确实没办法。有人说，不是可以像数据库那样分开不同的库存储吗？但随着信息时代的发展，还真就有单个文件这么大的东西了。那只能把几个机子合并起来，虚拟出一个超大硬盘的机子，这就是分布式存储系统DFS（Distribution File System）。
其实DFS并不罕见，大数据等一系列软件发明之前，我们不是有Raid系统吗？网上买硬盘，2个硬盘可以组个Raid 0，多个硬盘还可以组Raid 3、Raid 5等等。这些Raid功能不但增大了存储空间，还包含冗余计算，即使1台硬盘坏了，另几台还能恢复出原来的数据。DFS亦是如此。组Raid总需要有个东西对不同硬盘进行协调，同样，DFS里也得有东西对大家进行协调，这放在Hadoop上就是NameNode。
由于HDFS系统是通过网络组起来的，因此协调也是通过服务器——客户端的形式来进行的。服务器就是NameNode，客户端就是DataNode，这么理解就简单易懂了。当存储东西的时候，我们总是通过一个hdfs://hdfsmain:9000的地址来对HDFS进行访问，这就是发送访问到NameNode。无论是上传、查询、删除、修改等任务，都是通过发送命令到NameNode，然后再通过NameNode将相应指令发送到各个DataNode进行执行的。
所以无论是HDFS、YARN还是SPARK，它们都是类似这样的模式，提交一个任务到主节点，然后主节点再分配任务给分节点执行。那么HDFS、YARN、SPARK它们之间的区别又在哪里呢？
HDFS：拿来存储东西的
YARN：拿来分配任务的
SPARK：拿来做分布式计算的