【hadoop】job提交全过程

一、作业提交过程之 YARN

（1）作业提交

第 0 步：client 调用 job.waitForCompletion 方法，向整个集群提交 MapReduce 作业。

第 1 步：client 向 RM 申请一个作业 id。

第 2 步：RM 给 client 返回该 job 资源的提交路径和作业 id。

第 3 步：client 提交 jar 包、切片信息和配置文件到指定的资源提交路径。

第 4 步：client 提交完资源后，向 RM 申请运行 MrAppMaster。

（2）作业初始化

第 5 步：当 RM 收到 client 的请求后，将该 job 添加到容量调度器中。

第 6 步：某一个空闲的 NM 领取到该 job。

第 7 步：该 NM 创建 Container，并产生 MRAppmaster。

第 8 步：下载 client 提交的资源到本地。

（3）任务分配

第 9 步：MrAppMaster 向 RM 申请运行多个 maptask 任务资源。

第 10 步 ：RM 将运行 maptask 任务分配给另外两个 NodeManager，另两个 NodeManager

分别领取任务并创建容器。

（4）任务运行

第 11 步：MR 向两个接收到任务的 NodeManager 发送程序启动脚本，这两个NodeManager 分别启动 maptask，maptask 对数据分区排序。

第 12 步：MrAppMaster 等待所有 maptask 运行完毕后，向 RM 申请容器，运行 reduce task。

第 13 步：reduce task 向 maptask 获取相应分区的数据。

第 14 步：程序运行完毕后，MR 会向 RM 申请注销自己。

（5）进度和状态更新

YARN 中的任务将其进度和状态(包括 counter)返回给应用管理器, 客户端每秒(通过

mapreduce.client.progressmonitor.pollinterval 设置)向应用管理器请求进度更新, 展示给用户。

（6）作业完成

除了向应用管理器请求作业进度外, 客户端每 5 分钟都会通过调用 waitForCompletion()

来检查作业是否完成。时间间隔可以通过 mapreduce.client.completion.pollinterval 来设置。作

业完成之后, 应用管理器和 container 会清理工作状态。作业的信息会被作业历史服务器存储

以备之后用户核查。

二、作业提交过程之 MapReduce

三、作业提交过程之读数据

四、作业提交过程之写数据