MapReduce 作业提交执行过程代码分析（Hadoop 1.2.1）

MR工作过程大致分为以下几步：

1：作业配置

2：提交作业 

2.1：从JobTracker获取新的JobID。

2.2：将该Job相关的资源（jar，libjars）发送到JobTracker。

2.3：计算输入分片。

2.4：将job.xml发送到JobTrack。

这样就将Job发送给JobTracker。

3：作业初始化

3.1：将接收到的Job放到队列中并生成与之对应的JobInProgress对象来管理该Job。

3.2：JobInProgress调用initTasks()来初始化Task

3.2.1：创建分片并为每个分片生成MapTask和ReduceTask，并生成与之对应的TaskInProgress来管理Task。

3.2.2：将MapTask放入名为 nonRunningMapCache 的Set 中。

3.2.2：将ReduceTask放入名为 nonRunningReduces 的Set中。

这样Task就初始化好了，

4：任务分配

4.1：TaskTracker通过心跳机制与JobTracker通信，当TaskTracker有足够的资源（磁盘，cpu，slot空闲）时，从JobTracker那里获取任务。

4.2：JobTracker 通过TaskSchedule 来分配任务（map任务和reduce任务）。

5：任务执行
5.1：TaskTracker拿到任务之后，通过TaskLauncher.startNewTask()来执行任务。
6：进度和状态更新
TaskTracker上该Job的任务都完成了汇报给JobTracker
7：作业完成
JobTracker修改Job的状态，返回给JobClient。

下面是执行的时序图