1）作业提交过程之 YARN
作业提交全过程详解
（1）作业提交
第 0 步：client 调用 job.waitForCompletion 方法，向整个集群提交 MapReduce 作业。第 1 步：client 向 RM 申请一个作业 id。
第 2 步：RM 给 client 返回该 job 资源的提交路径和作业 id。
第 3 步：client 提交 jar 包、切片信息和配置文件到指定的资源提交路径。第 4 步：client 提交完资源后，向 RM 申请运行 MrAppMaster。
（2）作业初始化
第 5 步：当 RM 收到 client 的请求后，将该 job 添加到容量调度器中。第 6 步：某一个空闲的 NM 领取到该 job。
第 7 步：该NM 创建 Container，并产生 MRAppmaster。第 8 步：下载 client 提交的资源到本地。
（3）任务分配
第 9 步：MrAppMaster 向 RM 申请运行多个 maptask 任务资源。
第 10 步：RM 将运行 maptask 任务分配给另外两个NodeManager，另两个 NodeManager
分别领取任务并创建容器。
（4）任务运行
第 11 步： MR 向两个接收到任务的 NodeManager 发送程序启动脚本， 这两个NodeManager 分别启动 maptask，maptask 对数据分区排序。
第 12 步：MrAppMaster 等待所有maptask 运行完毕后，向 RM 申请容器，运行 reduce task。第 13 步：reduce task 向 maptask 获取相应分区的数据。
第 14 步：程序运行完毕后，MR 会向 RM 申请注销自己。
（5）进度和状态更新
YARN 中的任务将其进度和状态(包括 counter)返回给应用管理器, 客户端每秒(通过mapreduce.client.progressmonitor.pollinterval 设置)向应用管理器请求进度更新, 展示给用户。
（6）作业完成
除了向应用管理器请求作业进度外, 客户端每 5 分钟都会通过调用 waitForCompletion() 来检查作业是否完成。时间间隔可以通过 mapreduce.client.completion.pollinterval 来设置。作业完成之后, 应用管理器和 container 会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户核查。
2）作业提交过程之 MapReduce
3.作业提交过程之读数据1）客户端通过 Distributed FileSystem 向 namenode 请求下载文件，namenode 通过查询元数据，找到文件块所在的 datanode 地址。
2）挑选一台 datanode（就近原则，然后随机）服务器，请求读取数据。
3）datanode 开始传输数据给客户端（从磁盘里面读取数据输入流，以 packet 为单位来做校验）。
4）客户端以 packet 为单位接收，先在本地缓存，然后写入目标文件。
4.作业提交过程之写数据1）客户端通过 Distributed FileSystem 模块向 namenode 请求上传文件，namenode 检查目标文件是否已存在，父目录是否存在。
2）namenode 返回是否可以上传。
3）客户端请求第一个 block 上传到哪几个 datanode 服务器上。
4）namenode 返回 3 个 datanode 节点，分别为 dn1、dn2、dn3。
5）客户端通过 FSDataOutputStream 模块请求 dn1 上传数据，dn1 收到请求会继续调用 dn2， 然后 dn2 调用 dn3，将这个通信管道建立完成。
6）dn1、dn2、dn3 逐级应答客户端。
7）客户端开始往 dn1 上传第一个 block（先从磁盘读取数据放到一个本地内存缓存），以packet 为单位，dn1 收到一个 packet 就会传给 dn2，dn2 传给 dn3；dn1 每传一个 packet 会放入一个应答队列等待应答。
8）当一个 block 传输完成之后，客户端再次请求 namenode 上传第二个 block 的服务器。（ 重复执行 3-7 步）。