1.作业提交

1. 提交作业 job 后，job.waitForCompletion（true）调用 monitorAndPrintJob()方法每秒轮询 作业进度，如果发现自上次报告后有改变，便把进度报告给控制台。Job 的 submit()方法 创建一个内部的 JobSubmitter 实例，并调用其 submitJobInternal 方法（步骤 1）。作业 完成后，如果成功，就显示计数器；如果失败，这将导致作业失败的错误记录到控制台。

JobSubmitter 所实现的作业提交过程如下所述：

2. 向资 ResourceManager 源管理器请求一个新作业的 ID，用于 MapReduce 作业 ID。
3. 作业客户端检查作业的输出说明，计算输入分片 splits 并将作业资源（包括作业 Jar 包、 配置文件和分片信息）复制到 HDFS
4. 通过调用资源管理器上的 submitApplication（）方法提交作业

2.作业初始化

5. 资源管理器 ResourceManager 收到调用他的 submitApplication（）消息后，便将请求传 递给调度器（scheduler）。调度器分配一个容器（Container），然后资源管理器在节点 管理器（NodeManager）的管理下载容器中启动应用程序的 master 进程（步骤 5a 和 5b）
6. MapReduce 作业的 application master 是一个 Java 应用程序，它的主类是 MRAppMaster。 它对作业进行初始化：通过创建多个簿记对象以保持对作业进度的跟踪，因为它将接受 来自任务的进度和完成报告（步骤 6）。
7. 接下来，它接受来自共享文件系统的在客户端计算的输入分片（步骤 7）。对每一个分 片创建一个 map 任务对象以及由 mapreduce. job.reduces 属性确定的具体数量的 reduce 任务对象。

3.任务分配

8. AppMaster 为该作业中的所有 map 任务和 reduce 任务向资源管理器请求容器。

4.任务执行

9. 一旦资源管理器的调度器为任务分配了容器，AppMaster 就通过与节点管理器 NodeManager 通讯来启动容器（步骤 9a 和 9b）。
10. 该任务由主类为 YarnChild 的 Java 应用程序执行。在它允许任务之前，首先将任务需要 的资源本地化，包括作业的配置、JAR 文件和所有来自分布式缓存的文件.
11. 最后运行 map 任务或 reduce 任务。

5.进度和状态更新

12. 在 YARN 下运行时，任务每 3 秒钟通过 umbilical 接口向 APPMaster 汇报进度和状态。客户端每一秒钟（通过 mapreduce.client. Progressmonitor.pollinterval 设置）查询一次 AppMaster 以接收进度更新，通常 都会向用户显示。

6.作业完成

13. 除了向 AppMaster 查询进度外，客户端每 5 秒还通过调用 Job 的 waitForCompletion() 来 检 测 作 业 是 否 完 成 。 查 询 的 间 隔 可 以 通 过 mapreduce.client.completion.pollinterval 属 性 进 行 设 置 。 作 业 完 成 后 ， AppMaster 和任务容器清理器工作状态