一，作业的提交
Job.waitForCompletion(true):
JobClient(),在new JobClient()里面生成一个JobSubmissionProtocol接口(JobTracker实现了此接口)对象jobSubmitClient(是它连接或对应着JobTracker)），在Submit()方法里面也调用JobClient.submitJobInternal(conf)方法返回一个RunningJob（步骤1）；
jobClient.monitorAndPrintJob()即检查作业的运行情况(每秒一次)，如果有变化就报告给控制台(console)。
jobClient.submitJobInternal()所实现的提交作业过程如下：
a) 向Jobtracker请求一个新的job ID；(步骤2)
b) 检查作业的输出说明，如果未指定或已存在则不提交作业并抛错误给程序；
c) 计算并生成作业的输入分片，如果路径不存在则不提交作业并抛错误给程序；
d) 将运行作业所需要的资源（包括作业jar文件，配置文件和计算所得的输入分片）复制到jobtracker的文件系统中以job id命名的目录下(即HDFS中)。作业jar副本较多(mapred.submit.replication = 10)；(步骤3)
e) 告知jobtracker作业准备执行（真正的提交作业jobSubmitClient.submitJob()）(步骤4)
二，作业的初始化
jobtracker接收到对其submitJob()方法的调用后，将其放入内部队列，交由job scheduler进行调度，并对其进行初始化，包括创建一个正在运行作业的对象---封装任务和记录信息(步骤5)
为了创建任务运行列表，job scheduler首先从共享文件系统中获取已计算好的输入分片信息(步骤6)，然后为每个分片创建一个map任务；
创建的reduce任务数量由Job的mapred.reduce.task属性决定(setNumReduceTasks()设置)，schedule创建相应数量的reduce任务。
任务在此时被指定ID。
除了map和reduce任务，还有setupJob和cleanupJob需要建立：由tasktrackers在所有map开始前和所有reduce结束后分别执行，这两个方法在OutputCommitter中(默认是FileOutputCommitter)。setupJob()创建输出目录和任务的临时工作目录，cleanupJob()删除临时工作目录。
三，任务的分配
每个tasktracker定期发送心跳给jobtracker，告知自己还活着，并附带消息说明自己是否已准备好接受新任务。jobtracker以此来分配任务，并使用心跳的返回值与tasktracker通信(步骤7)。Jobtracker利用调度算法先选择一个job然后再选此job的一个task分配给tasktracker.
每个tasktracker会有固定数量的map和reduce任务槽，数量有tasktracker核的数量和内存大小来决定。jobtracker会先将tasktracker的所有的map槽填满，然后才填此tasktracker的reduce任务槽。Jobtracker分配map任务时会选取与输入分片最近的tasktracker，分配reduce任务用不着考虑数据本地化。
四，任务的执行
用到上面提到的setupJob()
a) tasktracker分配到一个任务后，首先从HDFS中把作业的jar文件及运行所需要的全部文件(DistributedCache设置的)复制到tasktracker本地(步骤8)；
b) 接下来tasktracker为任务新建一个本地工作目录，并把jar文件的内容解压到这个文件夹下；
c) tasktracker新建一个taskRunner实例来运行该任务(步骤9)；
TaskRunner启动一个新的JVM来运行每个任务(步骤10)，以便客户的map/reduce不会影响tasktracker。
五，进度和状态的更新
一个作业和它的每个任务都有一个状态，包括：作业或任务的运行状态(running, successful, failed)，map和reduce的进度，计数器值，状态消息或描述。
Child JVM有独立的线程每隔3秒检查任务更新标志，如果有更新就会报告给此tasktracker；
tasktracker每隔5秒给jobtracker发心跳；
job tracker合并这些更新，产生一个表明所有运行作业及其任务状态的全局试图。
JobClient.monitorAndPrintJob()每秒查询这些信息。
六，作业的完成
当jobtracker收到最后一个任务(this will be the special job cleanup task)的完成报告后，便把job状态设置为successful。
Job得到完成信息便从waitForCompletion()返回。
最后，jobtracker清空作业的工作状态，并指示tasktracker也清空作业的工作状态(如删除中间输出)。
(权威指南上这样说这两句红字，不矛盾吗？ 应该是不同层次的的cleanup task, 第一个可能是mapreduce内部的cleanup())
