Hadoop MapReduce作业的生命周期----Hadoop技术内幕学习笔记

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、分片元信息等上传到分布式文件系统，其中，分片元信息文件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，有作业调度模块对作业进行初始化：为作业创建一个JobInProgress对象以跟踪作业运动状况，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况，TaskInProgress可能需要管理多个”Task运行尝试“TaskAttempt。

2、任务调度与监控。任务调度与监控均由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，这由任务调度器完成。任务调度器是一个可插拨的独立模块，且为双重架构，即首先选择作业，然后从该作业中选择任务，其中选择任务时需要考虑任务本地性。

此外，JobTracker跟踪作业的整个运行过程，并为作业的成功提供全方位的保障。首先TaskTracker或Task失败是转移计算任务；其次，但某个Task的执行进度远落后于同一作业的其它Task时，为之启动一个相同Task，并选取计算快的Task作为最佳结果。

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；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，整个作业执行完成。

了解了整个作业的生命周期，不禁想立马往后翻了解更多东西，这真是本好书。