Hadoop-Mapreduce的框架组成和运行流程

1.MapReduce的框架组成

MapReduce 角色：
Client:作业提交发起者

配置参数Configuration，并打包成jar文件存储在HDFS上，将文件路径提交给JobTracker的master服务，
然后由master创建每个task将它们分发到各个TaskTracker服务中去执行。

JobTracker:初始化作业，分配作业，与TaskTracker通信，协调整个作业

这是一个master服务，程序启动后，JobTracker负责资源监控和作业调度。JobTracker监控所有的TaskTracker和job的健康状况，一旦发生失败，即将之转移到其他节点上，同时JobTracker会跟踪任务的执行进度、资源使用量等信息，并将这些信息告诉任务调度器，而调度器会在资源出现空闲时，选择合适的任务使用这些资源。在Hadoop 中，任务调度器是一个可插拔的模块，用户可以根据自己的需要设计相应的调度器。

TaskTracker: 保持JobTracker通信，在分配的数据片段上执行MapReduce任务

运行在多个节点上的slaver服务。TaskTracker主动与JobTracker通信接受作业，并负责直接执行每个任务。
TaskTracker 会周期性地通过Heartbeat 将本节点上资源的使用情况和任务的运行进度汇报给JobTracker，同时接收JobTracker 发送过来的命令并执行相应的操作（如启动新任务、杀死任务等）。
TaskTracker 使用“slot”等量划分本节点上的资源量。“slot”代表计算资源（CPU、内存等）。
一个Task 获取到一个slot 后才有机会运行，而Hadoop 调度器的作用就是将各个TaskTracker 上的空闲slot 分配给Task 使用。
slot 分为Map slot 和Reduce slot 两种，分别供MapTask 和Reduce Task 使用。TaskTracker 通过slot 数目（可配置参数）限定Task 的并发度。

TaskScheduler:任务调度器

TaskScheduler任务调度器的理解
TaskScheduler，顾名思义，就是MapReduce中的任务调度器。在MapReduce中，JobTracker接收JobClient提交的Job，
将它们按InputFormat的划分以及其他相关配置，生成若干个Map和Reduce任务。
然后，当一个TaskTracker通过心跳告知JobTracker自己还有空闲的任务Slot时，JobTracker就会向其分派任务。
具体应该分派一些什么样的任务给这台TaskTracker，这就是TaskScheduler所需要考虑的事情。

TaskScheduler工作在JobTracker上。在JobTracker启动时，根据配置“mapred.jobtracker.taskScheduler”选定一个TaskScheduler的派生类实例作为任务调度器。
任务的分派配由JobTracker的调度框架和TaskScheduler的具体调度策略配合完成。简单来说：
1、JobTracker通过一种Listener机制，将Job的变化情况同步给TaskScheduler。然后TaskScheduler就按照自己的策略将需要调度的Job管理起来；
2、在JobTracker需要向TaskTracker分派任务时，调用TaskScheduler的assignTask()方法来获得应当分派的任务；

HDFS:保存数据和配置信息
Heartbeat:心跳（指按照一定的频率在运行，类似于心脏无休止的跳动）机制

2.MapReduce运行流程

作业运行流程详解：

• 在客户端启动一个作业，并向JobTracker请求一个Job ID。
• 然后检查输出说明（如输出目录已存在）、输出划分（如输入路径不存在）；
  详细理解就是：将运行作业所需要的资源文件复制到HDFS上，包括MapReduce程序打包的JAR文件、配置文件和客户端计算所得的输入划分信息。这些文件都存放在JobTracker专门为该作业创建的文件夹中。文件夹名为该作业的Job ID。JAR文件默认会有10个副本（mapred.submit.replication属性控制）；输入划分信息告诉了JobTracker应该为这个作业启动多少个map任务等信息。
• 提交作业到JobTracker
• JobTracker接收到作业后，将其放在一个作业队列里，等待作业调度器对其进行调度（这里是不是很像微机中的进程调度呢，呵呵），当作业调度器根据自己的调度算法调度到该作业时，会根据输入划分信息为每个划分创建一个map任务，并将map任务分配给TaskTracker执行。对于map和reduce任务，TaskTracker根据主机核的数量和内存的大小有固定数量的map槽和reduce槽。
  这里需要强调的是：map任务不是随随便便地分配给某个TaskTracker的，这里有个概念叫：数据本地化（Data-Local）。意思是：将map任务分配给含有该map处理的数据块的TaskTracker上，同时将程序JAR包复制到该TaskTracker上来运行，这叫**“运算移动，数据不移动**”。而分配reduce任务时并不考虑数据本地化。
• TaskTracker每隔一段时间会给JobTracker发送一个心跳，告诉JobTracker它依然在运行，同时心跳中还携带着很多的信息，比如当前map任务完成的进度等信息。
  当JobTracker收到作业的最后一个任务完成信息的通知时，JobTracker便把整个Job（作业）状态设置成“成功”。当JobClient查询Job运行状态时（注意：这里是异步操作），客户端将得知任务已完成，便显示一条消息给用户。

3.MapReduce调度器

mr其他参考博文调度器：

http://blog.sina.com.cn/s/blog_3fe961ae01019ijc.html