MR作业的生命周期

五步骤

步骤一：作业提交和初始化

• 提交作业，JobClient实例将作业相关信息，比如程序jar包、作业配置文件、分片元信息文件（记录了每个输入分片的逻辑位置信息）等上传到HDFS上。
• JobClient通过RPC通知JobTracker
• JobTracker收到新作业提交请求后，由作业调度模块对作业进行初始化：为作业创建一个JobInProgress对象以跟踪作业运行状况，而JobInProgress则会为每个Task创建一个TaskInProgress对象以跟踪每个任务的运行状态，TaskInProgress可能需要管理多个“Task运行尝试“（称为”Task Attempt“）

步骤二：任务调度与监控

• 任务调度和监控的功能均由JobTracker完成，TaskTracker周期性地通过Heartbeat向JobTracker汇报本节点的资源使用情况，一旦出现空闲资源，JobTracker会按照一定的策略选择一个合适的任务使用该空闲资源，这由任务调度器完成。任务调度器是一个可插拔的独立模块，双层架构，即首先选择作业，然后从该作业中选择任务，其中，选择任务时需要重点考虑数据本地性。
• 此外，JobTrakcer跟踪作业的整个运行过程，并为作业的成功运行提供全方位的保障。首先，当TaskTracker或者Task失败时，转移计算任务；其次，当某个Task执行进度远落后于同一作业的其他Task时，为之启动一个相同Task，并选取计算快的Task结果作为最终结果。

步骤三：任务运行环境准备

运行环境准备包括JVM启动和资源隔离，均由TaskTracker实现，TaskTracke为每个Task启动一个独立的JVM以避免不同Task在运行过程中互相影响；同时，TaskTracker使用了操作系统进程实现资源隔离以防止Task滥用资源。

步骤四：任务执行

TaskTracker为Task准备好运行环境后，启动Task。运行过程中，每个Task的最新进度首先由Task通过RPC汇报给TaskTracker，再由TaskTracker汇报给JobTracker。

步骤五：作业完成