hadoop学习之路3-MapReduce作业生命周期

本系列均为hadoop1版本为准。。

---

MR作业生命周期，即用户从作业提交到运行结束经历的整个过程。如图所示：

hadoop MR 作业生命周期

1.作业提交与初始化。用户提交作业后，首先由JobClient实例将作业相关信息，比如将程序jar包、作业配置文件、分片元信息文件等上传到hdfs上，其中分片元信息记录了每个输入分片的逻辑位置信息。然后JobClient通过RPC通知JobTracker。JobTracker收到新作业提交请求后，由作业调度模块对作业进行初始化：为作业创建一个JobInProgress对象以跟踪作业运行状况，而JobInProgress则会每个task创建一个TaskInProgress对象以跟踪每个任务的运行状态，TaskInProgress可能需要管理多个”Task运行尝试“（即Task Attempt）。

2.任务调度与监控。任务调度和监控的功能均由JobTracker完成。TaskTracker周期性地通过HeartBeat向JobTracker汇报本节点的资源使用情况，一旦出现空闲资源，JobTracker会按照一定的策略选择一个合适的任务使用该空闲资源，这由任务调度器来完成。任务调度器是一个可插拔的独立模块，且是双层架构，即先选择作业，然后从该作业中选择任务，其中，选择任务时需要重点考虑数据本地性。此外，JobTracker 跟踪作业的整个运行过程，并未作业的成功运行提供全方位的保障。首先当TaskTracker或Task失败时，转移计算任务；其次，当某个Task执行进度落后于同一作业的其他Task时，为之启动一个相同的Task，并选取计算快的Task结果作为最终结果。

3.任务运行环境准备。运行环境准备包括JVM启动和资源隔离，均由TaskTracker实现。TaskTracker为每个Task启动一个独立的JVM以避免不同Task在运行过程中相互影响，降低耦合性；同时TaskTracker使用了操作系统进程实现资源隔离以防止Task滥用资源

4.任务执行。TaskTracker 为task准备好运行环境后，便会启动task。在运行过程中，每个Task的最新进度首先由Task通过RPC汇报给TaskTracker，再由TaskTracker汇报给JobTracker。

5.作业完成。待所有Task执行完毕后，整个作业执行成功