你自己不用总结概念性东西，尚硅谷都给你总结好了。
看源码的套路，源码就是一个方法套一个方法，真正干事的就一两个屈指可数的方法，一直点就行了，只要了解大概是在干啥就行。
比较容易混淆的几点：
1.MapTask并行度：也就是启动了几个Map任务。
数据块和切片的区别：真实存储的是数据块，切片只是逻辑上的概念，每一个切片对应一个MapTask，所以切片数量决定了启动几个MapTask。
2.Job提交流程的源码：如何把一个任务提交给集群，这块很乱啊，有时间再重新看下源码，现在大概知道咋回事就行。
（1）首先是创建和集群的连接，要判断下是跟远程yarn集群连接还是本地集群。
（2）提交job，这里会先创建一个临时路径，把材料准备好才会提交任务给集群。先申请一个job的ID，然后把jar包（如果是提交给yarn集群）、切片信息、所有集群配置的文件都拷贝到临时路径，最后提交。