Hadoop MapReduce作业的生命周期

首先，我们来看如下的一张图：

Hadoop MapReduce作业的生命周期

作业的整个运行过程分为5个步骤：

1、作业的提交和初始化。

用户提交作业后，由JobClient实例将作业相关信息（jar包、配置文件xml、分片元信息等）上传到HDFS。

然后，JobClient通过RPC通知JobTracker。JobTracker接收到新作业请求后，由作业调度模块对作业进行初始化，为作业创建一个JobInProgress对象以跟踪作业的运行状况，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，而TaskInProgress可能需要管理多个Task运行尝试（Task Attempt）。

2、任务调度和监控。

通过MapReduce的架构简介，我们知道，任务的调度和监控由JobTracker完成。TaskTracker通过Heartbeat周期性地向JobTracker汇报本节点的资源使用情况，一旦出现空闲资源，任务调度器按照一定的策略选择合适的任务使用该空闲资源。另外，JobTracker还跟踪整个作业的运行过程，保证作业最终顺利完成。

3、任务运行环境的准备。

运行环境包括JVM启动和资源隔离，这些都由TaskTracker实现。

4、任务的执行。

启动Task后，每个Task的最新进度先由Task通过RPC汇报给TaskTracker,再由TaskTracker汇报给JobTracker。

5、作业运行完成。

直到所有Task执行完毕后，整个作业才算执行成功。