Job流程：Mapper类分析

此文紧接Job流程：决定map个数的因素，Map任务被提交到Yarn后，被ApplicationMaster启动，任务的形式是YarnChild进程，在其中会执行MapTask的run()方法。无论是MapTask还是ReduceTask都是继承的Task这个抽象类。

1). Mapper类中 setup() 和 cleanup() 两个方法负责 map 任务的 初始化 和 清理工作(默认是空实现)

2). Mapper类中 run() 方法负责调用用户自定义的 map()方法。最主要的代码在于while()循环。其中，Context类是一个内部类，继承自MapContext接口，间接继承自TaskInputOutputContext类。此类中有一个nextKeyValue()抽象方法，用于将Inputsplit解析成一个个的键值对。在其子类MapContextImpl中提供了具体的解析实现。

其中，reader是RecordReader类的一个实例。可以看出：map解析Inputsplit成一个个键值对是通过调用RecordReader类的nextKeyValue()方法完成的。

3). map结果是通过context.write()方法写入内存，实际是写入MapOutputBuffer类中。在此类实例化的第一个阶段是初始化init()过程，会根据配置信息初始化内存buf：

• partition：读取job中设置的分区个数，默认为1.
• sortmb：内存buf的大小，默认100MB
• spillper：内存buf的阀值，默认0.8，即100*0.8=80MB
• indexCacheMemoryLimit：内存index的大小。默认为1024*1024
• sorter：对mapper输出的key的排序，默认是快排QuickSort

MR执行流程

1) 客户端提交一个MapReduce的JAR包给JobClient(提交方式：hadoop jar ...)，JobClient就是提交节点

2) JobClient通过RPC协议和RM进行通信，返回一个JobId和存放JAR包的HDFS路径

3) JobClient使用FileSystem将JAR包写入到HDFS当中(path = hdfs上的地址 + JobId)。默认10份(mapreduce.client.submit.file.replication)，运行结束会被删掉。

4) 开始提交MR任务，提交任务的描述信息(不是JAR包，而是JobId，JAR存放的位置，配置信息等)给RM。

5) RM进行初始化任务。将任务的描述信息存放进调度器（默认是队列调度器）之中，NM通过心跳HeartBeat机制向RM领取任务。NM领取任务之后，NM启动相应的子进程ApplicationMaster运行任务

6) ApplicationMaster读取HDFS上的要处理的文件，开始计算输入分片，每一个分片对应一个MapperTask

7) NM通过HeartBeat心跳机制继续领取任务资源(任务的描述信息)

8) 下载所需的JAR包，配置文件等

9) NM启动一个子进程yarn-child，用来执行具体的子任务(MapperTask或ReducerTask)

10) 将最终结果写入到HDFS当中