hadoop，MapReduce的工作机制
一、目的
了解hadoop工作的一些细节和原理，掌握MapReduce工作的特性，这样的了解有助于对hadoop系统正确高效使用。
二、内容
1.hadoop，MapReduce的工作机制
首先，jobclien的runjob()创建一个jobclient方法并且调用submitJob()方法，其提交过程如下：
1）向jobtracker请求一个新的作业ID，参见上图步骤2
2）检查作业的输出说明，如没有指定具体的输目录或者输出目录已经存在，作业就不提交，并且把错误信息抛回给mapreduce程序
3）计算作业的输入分片，如果输入路径为空，作业不提交，并且把错误信息抛回给mapreduce程序
4）将运行作业所需要的资源以一个作业ID为命名的jobtracjer文件系统中，作业JAR的副本较多（mapred.submit.replication 属性控制，默认0）参见上图步骤3
5）告知jobtracker作业准备执行，参见上图步骤4
作业提交以后runjob()每秒轮询作业进度，如果较上一次轮询作业进度有改变就把进度信息报告到控制台，如果作业成功执行就显示作业计数器，失败则记录导致作业失败的错误到控制台。
当jobstracker接受一个作业后会放到一个内部的队列表中，有作业调度器（job scheduler）进行作业的调度，并对其进行初始化（步骤5）。
tasktracker运行一个简单循环来定期发送“心跳”来作为和jobstracker的通信（步骤7）。在最理想的情况下任务是“数据本地化”的，也就是任务运行的分片在同一台机器上。同样任务也可能是“机架本地化”的，也就是任务和输入分片在同一机架，但不在同一节点。
任务的运行：tasktracker为任务新建一个本地工作目录，并把jar文件的内容解压到此目录下，然后tasktracker新建一个taskrunner()来运行此任务。
streaming和pipes都运行特殊的map和reduce任务，目的是运行用户提供的可执行程序，并与之通信。
作业的完成：当jobstracker收到作业最后一个任务执行完成的通知后，就把作业的状态修改为“成功”
作业的失败：1）.map和reduce的用户代码抛出运行异常时，子任务JVM退出前会向父tasktracker发送错误记录，并写入用户日志表，标记此次任务失败，释放当前任务槽运行另外一个任务。2）可能由于JVM软件的bug导致进程突然退出，tasktracker会注意到JVM进程退出并标志此次任务执行失败。tasktracker失败是另一种失败模式，会被jobtracker列入黑名单。jobtracker失败是失败中最严重的一种，目前hadoop没有处理这种失败的机制，有可能通过运行多个jobtracker的方式来解决这个问题。
作业调度器：hadoop中调度器是可以选择的，默认是基于队列的FIFO的调度器，还有两个多用户调度器，fair scheduler和capacity scheduler.
shuffle和排序：MapReduce确保每个reducer的输入都是按键排序。系统执行排序的过程，将MAP的输出作为输入传给Reduce的过程称为shuffle。shuffle是Mapreduce的心脏是奇迹发生的地方。
2.mapreduce配置调优
3.其他内容
1）任务JVM重用