大家好，今天我们来说一下，Hadoop中MapReduce提交作业流程：
涉及组件：
1）客户端： 到RM （RessourceManager） 获取作业编号
检验驶入路径是否存在
检验输出路径是否不存在
计算切片信息
将配置文件/jar包/切片发送到HDFS以作业编号命名的目录（HDFS目录）
向RM发送请求，提交作业
监控作业执行的进度，每秒发送一次请求，请求作业执行进度，如果进 度有变，则
在控制台打印进度信息
2）HDFS: 存储噢诶子文件的jar包和切片信息等；
3) RessourceManager：调度NodeManager，让其分配一个容器（资源），运行MRAppMaster程序
RM会调度NodeManager分配容器，运行map任务或者reduce任务。
4）NodeManger ： 分配和管理容器，根据MRAppMaster 的请求，运行任务（map 或 reduce） 当任务结束后，通知MRAppMaster，MRAppMaster做后续处理；
5）MRAppMaster ：
负责计算的监控/失败重试/计算调度
收集HDFS上的配置文件，jar包，切片信息
分析需要多少个map任务，多少个reduce任务
向RM发送请求，让其分配容器，运行map任务
当map任务完成5%时，为reduce申请容器；
以上图为例： 1） 客户端运行job任务
2）客户端向ResourceManager取作业编号；
3）客户端检查输入输出路径，计算切片信息
4） 将数据发送到HDFS上，并将信息通知ResourceManager
5） ResourceManager获取信息后，通知NodeManager分配容器建立MRAppMaster
6） MRAppMaster建立，（需要1G内存的虚拟核心，如果任务1G内存不够则任务失败）
7）MRAppMaster建立后，获取HDFS资源信息，计算需要多少map和reduce来处理任务job
8） 向ResourcesManager申请容器
9） ResourcesManager通知NodeManager分配容器
10） MRAppMaster和NodeManager建立联系，NodeManager处理MRAppMaster调度过来针对job任务的map和reduce处理任务，分配响应的容器
11） 在相应分配的容器内进行map计算，MRAppMaster监控任务执行进度，当map任务执行了5%后，MRAppMaster再向ResourcesManager申请资源进行reduce计算；
