以下是文档说明的内容（我的重点）
节点的容量应配置为与物理核数相等的虚拟核。请求一个容器时，应该使用它可以饱和的内核数，即它期望一次可以运行的线程的平均数。
除非cpu内核是超线程的，否则它一次只能运行一个线程（在超线程操作系统的情况下，一个物理内核可以运行两个线程—当然这有点作弊，没有实际物理内核那么有效）。从本质上讲，它对最终用户的意义是，一个核心可以运行一个线程，所以理论上，如果我想使用java线程实现并行，那么一个相当好的近似值是线程数等于核心数。因此，如果容器进程（jvm）需要2个线程，那么最好将其Map到2vcore，这就是最后一行的意思。作为节点的总容量，vcore应该等于物理核的数量。
要记住的最重要的一点是，实际上是操作系统将线程调度到不同的核心中执行，就像在任何其他应用程序中一样，而yarn本身并没有对它的控制权，除了为每个容器分配多少线程的最佳近似值。这就是为什么考虑运行在操作系统上的其他应用程序、内核使用的cpu周期等是很重要的，因为所有的内核不会一直对应用程序可用。
编辑：进一步研究
yarn并不影响cpu的硬限制，但是通过代码我可以看到它是如何影响cpu调度或cpu速率的。从技术上讲，yarn可以启动不同的容器进程-java、python、自定义shell命令等。在yarn中启动容器的责任属于node manager的containerexecutor组件，我可以看到启动容器的代码等，以及一些提示（取决于平台）。例如，在 DefaultContainerExecutor （它扩展了containerexecutor）-对于windows，它使用“-c”参数来限制cpu，而对于linux，它使用进程精确性来影响cpu。还有另一个实现 LinuxContainerExecutor （或者更好 CgroupsLCEResourcesHandler 因为前者不强制使用cgroups），后者试图使用linux cgroups来限制该节点上的cpu资源。更多细节可以在这里找到。

ContainerExecutor {
.......
.......

 protected String[] getRunCommand(String command, String groupId,
      String userName, Path pidFile, Configuration conf, Resource resource) {
    boolean containerSchedPriorityIsSet = false;
    int containerSchedPriorityAdjustment = 
        YarnConfiguration.DEFAULT_NM_CONTAINER_EXECUTOR_SCHED_PRIORITY;

    if (conf.get(YarnConfiguration.NM_CONTAINER_EXECUTOR_SCHED_PRIORITY) != 
        null) {
      containerSchedPriorityIsSet = true;
      containerSchedPriorityAdjustment = conf 
          .getInt(YarnConfiguration.NM_CONTAINER_EXECUTOR_SCHED_PRIORITY, 
          YarnConfiguration.DEFAULT_NM_CONTAINER_EXECUTOR_SCHED_PRIORITY);
    }

    if (Shell.WINDOWS) {
      int cpuRate = -1;
      int memory = -1;
      if (resource != null) {
        if (conf
            .getBoolean(
                YarnConfiguration.NM_WINDOWS_CONTAINER_MEMORY_LIMIT_ENABLED,
                YarnConfiguration.DEFAULT_NM_WINDOWS_CONTAINER_MEMORY_LIMIT_ENABLED)) {
          memory = resource.getMemory();
        }

        if (conf.getBoolean(
            YarnConfiguration.NM_WINDOWS_CONTAINER_CPU_LIMIT_ENABLED,
            YarnConfiguration.DEFAULT_NM_WINDOWS_CONTAINER_CPU_LIMIT_ENABLED)) {
          int containerVCores = resource.getVirtualCores();
          int nodeVCores = conf.getInt(YarnConfiguration.NM_VCORES,
              YarnConfiguration.DEFAULT_NM_VCORES);
          // cap overall usage to the number of cores allocated to YARN
          int nodeCpuPercentage = Math
              .min(
                  conf.getInt(
                      YarnConfiguration.NM_RESOURCE_PERCENTAGE_PHYSICAL_CPU_LIMIT,
                      YarnConfiguration.DEFAULT_NM_RESOURCE_PERCENTAGE_PHYSICAL_CPU_LIMIT),
                  100);
          nodeCpuPercentage = Math.max(0, nodeCpuPercentage);
          if (nodeCpuPercentage == 0) {
            String message = "Illegal value for "
                + YarnConfiguration.NM_RESOURCE_PERCENTAGE_PHYSICAL_CPU_LIMIT
                + ". Value cannot be less than or equal to 0.";
            throw new IllegalArgumentException(message);
          }
          float yarnVCores = (nodeCpuPercentage * nodeVCores) / 100.0f;
          // CPU should be set to a percentage * 100, e.g. 20% cpu rate limit
          // should be set as 20 * 100. The following setting is equal to:
          // 100 * (100 * (vcores / Total # of cores allocated to YARN))
          cpuRate = Math.min(10000,
              (int) ((containerVCores * 10000) / yarnVCores));
        }
      }
      return new String[] { Shell.WINUTILS, "task", "create", "-m",
          String.valueOf(memory), "-c", String.valueOf(cpuRate), groupId,
          "cmd /c " + command };
    } else {
      List<String> retCommand = new ArrayList<String>();
      if (containerSchedPriorityIsSet) {
        retCommand.addAll(Arrays.asList("nice", "-n",
            Integer.toString(containerSchedPriorityAdjustment)));
      }
      retCommand.addAll(Arrays.asList("bash", command));
      return retCommand.toArray(new String[retCommand.size()]);
    }

  }
      }

对于windows（它使用winutils.exe），它使用cpu速率；对于linux，它使用niceness作为参数来控制cpu优先级

“虚拟核心”只是实际核心的抽象。这种抽象或“lie”（我喜欢称之为lie），允许yarn（和其他）基于可用性动态地旋转线程（并行进程）。例如，在一个“弹性”集群上运行map reduce，其处理限制仅限于您的钱包。。。云宝宝。。。这个。云。
你可以在这里读更多