為了減少生產集群上作業執行失敗的可能性，在ResourceManager 發生單點故障之后，應該自動重啟ResourceManager 的功能。
一、原理
ResourceManager（以下簡稱RM）重啟在不同版本的Hadoop有兩種不同的實現，兩種實現的配置是一樣的，只是原理不一樣。
第一種是Non-work-preserving RM restart ，即在重啟過程中任務不保留。它的原理是當Client提交一個application給RM時，RM會將該application的相關信息存儲起來，具體存儲的位置是可以在配置文件中指定的，可以存儲到本地文件系統上，也可以存儲到HDFS或者是Zookeeper上，此外RM也會保存application的最終狀態信息(faild，killed，finished),如果是在安全環境下運行，RM還會保存相關證書文件。
當RM被關閉后，NodeManager(以下簡稱NM)和Client由於發現連接不上RM，會不斷的向RM發送消息，以便於能及時確認RM是否已經恢復正常，當RM重新啟動后，它會發送一條re-sync(重新同步)的命令給所有的NM和ApplicationMaster(以下簡稱AM)，NM收到重新同步的命令后會殺死所有的正在運行的containers並重新向RM注冊，從RM的角度來看，每台重新注冊的NM跟一台新加入到集群中NM是一樣的。AM收到重新同步的命令后會自行將自己殺掉。接下來，RM會將存儲的關於application的相關信息讀取出來，將在RM關閉之前最終狀態為正在運行中的application重新提交運行。
第二種是Work-preserving RM restart，即在重啟過程中任務是保留的。它與第一種不同的地方在於，RM會記錄下container的整個生命周期的數據，包括application運行的相關數據，資源申請狀況，隊列資源使用狀況等數據。如此一來，當RM重啟之后，會讀取之前存儲的關於application的運行狀態的數據，同時發送re-sync的命令，與第一種方式不同的是，NM在接受到重新同步的命令后並不會殺死正在運行的containers，而是繼續運行containers中的任務，同時將containers的運行狀態發送給RM，之后，RM根據自己所掌握的數據重構container實例和相關的application運行狀態，如此一來，就實現了在RM重啟之后，緊接着RM關閉時任務的執行狀態繼續執行。
將兩種方式對比，第一種只保存了application提交的信息和最終執行狀態，並不保存運行過程中的相關數據，所以RM重啟后，會先殺死正在執行的任務，再重新提交，從零開始執行任務。第二種方式保存了application運行中的狀態數據，所以在RM重啟之后，不需要殺死之前的任務，而是接着原來執行到的進度繼續執行。
二、配置
官網給的配置示例，配置yarn-site.xml ：
<!--啟動RM重啟的功能，默認是false-->
<property> <description>Enable RM to recover state after starting. If true, then yarn.resourcemanager.store.class must be specified</description> <name>yarn.resourcemanager.recovery.enabled</name> <value>true</value> </property>
<!-- 用於狀態存儲的類，默認是基於Hadoop 文件系統的實現（FileSystemStateStore）--> <property> <description>The class to use as the persistent store.</description> <name>yarn.resourcemanager.store.class</name> <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value> </property>
<!--被RM用於狀態存儲的ZK服務器的主機：端口號，多個ZK之間使用逗號分離--> <property> <description>Comma separated list of Host:Port pairs. Each corresponds to a ZooKeeper server (e.g. "127.0.0.1:3000,127.0.0.1:3001,127.0.0.1:3002") to be used by the RM for storing RM state. This must be supplied when using org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore as the value for yarn.resourcemanager.store.class</description> <name>yarn.resourcemanager.zk-address</name> <value>127.0.0.1:2181</value> </property>