job的执行流程
1. 客户端提交一个job任务到JobTracker: hadoop jar xxx.jar
2. JobTracker收集环境信息:
a. 检测类型是否匹配
b. 检测输入/输出路径是否合法
3. JobTracker给job分配一个全局递增的jobid,然后将jobid返回给客户端
4. 客户端收到jobid之后,将jar包提交到HDFS上
5. 准备执行job任务
6. JobTracker会将job任务进行划分,划分为MapTask和ReduceTask,其中MapTask的数量由切片数量决定,ReduceTask的数量由Partitioner/numReduceTask决定
7. JobTracker等待TaskTracker的心跳。一般TaskTracker和DataNode会设置为同一个节点,节省网络资源。当TaskTracker发送心跳信息的时候,这个时候JobTracker就会给TaskTracker分配任务。注意:在分配的时候,MapTask符合数据本地化策略(当TaskTracker上有这个数据的时候才会将MapTask分给它),ReduceTask分配到相对空闲的节点上
8. TaskTracker领取到任务之后,到对应的节点下载jar包 - 体现的思想:逻辑移动而数据固定
9. TaskTracker会在本节点内启动JVM子进程执行MapTask或者是ReduceTask - 注意:每一个MapTask或者ReduceTask都会启动一次JVM子进程