Hadoop——Yarn工作机制

（1）作业提交
第1步：Client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。
第2步：Client向ResourceManager申请一个作业id。
第3步：ResourceManager给Client返回该job资源的HDFS提交路径和作业id。
第4步：Client提交jar包、切片信息和配置文件到指定的HDFS路径。
第5步：Client提交完资源后，向ResourceManager申请运行MrAppMaster(针对该job的ApplicationMaster)。

（2）作业初始化
第6步：当ResourceManager收到Client的请求后，将该job添加到容量调度器(Resource Scheduler)中。
第7步：某一个空闲的NodeManager领取到该Job。
第8步：该NodeManager创建Container，并产生MRAppmaster。
第9步：MRAppmaster从HDFS下载Client提交的资源到本地。

（3）任务分配
第10步：MRAppmaster向ResourceManager申请运行多个MapTask任务资源。
第11步：ResourceManager将运行MapTask任务分配给空闲的NodeManager，空闲的NodeManager分别领取任务并创建容器。

（4）任务运行
第12步：MRAppmaster向接收到任务的NodeManager发送程序启动脚本，这些NodeManager分别启动MapTask，MapTask对数据处理，并分区排序。
第13步：MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。
第14步：ReduceTask向MapTask获取相应分区的数据。
第15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秒都会通过调用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。