案例简述MapReduce与HDFS协同工作流程

       MapReduce是Hadoop开源大数据包的重要计算工具，后期的Spark、Storm等组件均采用MapReduce的计算模型。而MapReduce在工作时，实际与HDFS在一起工作。接下来我用一个案例来解析MapReduce的工作流程。

        1、Java程序采用MapReduce的SDK开发包进行程序开发。实际程序启动时，将在客户端创建一个JobClient端，正式开启一个MapReduce实例。

        2、JobClient通过getNewJobId()接口向Master节点中的JobTracker请求创建一个新的MapReduce作业。

        3、JobClient将程序执行JAR包、配置文件、数据块，下发到HDFS中属于JobTracker的目录下。

        4、完成以上准备工作后，JobClient调到JobTrakcer的submitJob()接口提交作业。

        5、JobTracker将提交的作业放入作业队列中等待作业调度。

        6、JobTrakcer从HDFS中取出JobClient放好的数据，并创建对应数据的Map任务及Reduce任务。

        7、接下来，JobTracker将空闲的TaskTracker分配具体的Map任务和Reduce任务。正常情况下，HDFS存储的服务器与Map任务服务器应在同一台服