job五大阶段
InputFormat
1.InputFormat --> FileInputFormat --> TextInputFormat
重点：DBInputFormat、KeyValueInputFormat、TextInputFormat
- 为每个job作业验证hdfs上数据（数据是否存在，数据相关格式）
- 根据数据块（block）划分成一个逻辑上的split（切片）一个切片对应一个map block-->split-->map
- 切片的具体实现。如果文件小于128m，一个切片；如果（文件大小/128）<1.1，单独切一片。
- 读取切片
Mapper
1.核心方法
2.自定义mapper一般都是覆盖map函数
Shuffle
Shuffle = Map Shuffle + Reduce Shuffle
1.Map端的shuffle
2.Reduce端的shuffle
整体来说shuffle横跨了map和reduce两个阶段。从2-7，map task和reduce task之间的数据流称为shuffle（混洗），其中过程5最能体现。
- 分区是在Map输出到缓冲区时（2）执行的
- 环形缓冲区默认100M，当数据超过80%时，就溢写到本地磁盘。注意，在缓冲区中程序会对数据进行分区，默认为哈希分区和key快排。此时（3）发生合并
- 当磁盘破碎文件达到一定阈值或者map端停止向缓冲区写入的时候，会将磁盘上的文件再进行一次合并（4）
- 通过http协议将map端的执行结果传输到reduce（5）
- 在reduce端执行一次合并汇总再次排序（6）
Reduce
三个阶段
1.shuffle阶段
通过http协议将多个map执行的排序结果传输汇总在一起
2.sort阶段
将多个map执行文件再一次合并排序
3.SecondarySort阶段
当启用Combiner时，map阶段也会有reduce，此时在map阶段会有一次排序，汇总到Reducer阶段时，将结果再次排序。
核心方法
自定义reducer时一般会重写reduce函数
OutputFormat
在TextOutputFormat中，默认的分隔符是“ ”，将结果以 key + " " +value写入文本文件
job作业提交过程
客户端的配置信息mapreduce.framework.name为yarn时，客户端会启动YarnRunner（yarn的客户端程序），并将mapreduce作业提交给yarn平台处理。
1.向ResourceManager请求运行一个mapreduce程序。
2.ResourceManager返回hdfs地址，告诉客户端将作业运行相关的资源文件上传到hdfs。
3.客户端提交mr程序运行所需的文件（包括作业的jar包，作业的配置文件，分片信息等）到hdfs上。
4.作业相关信息提交完成后，客户端用过调用ResourcrManager的submitApplication()方法提交作业。
5.ResourceManager将作业传递给调度器，调度器的默认调度策略是先进先出。
6.调度器寻找一台空闲的节点，并在该节点隔离出一个容器（container），容器中分配了cpu，内存等资源，并启动MRAppmaster进程。
7.MRAppmaster根据需要运行多少个map任务，多少个reduce任务向ResourceManager请求资源。
8.ResourceManager分配相应数量的容器，并告知MRAppmaster容器在哪。
9.MRAppmaster启动maptask。
10.maptask从HDFS获取分片数据执行map逻辑。
11.map逻辑执行结束后，MRAppmaster启动reducetask。
12.reducetask从maptask获取属于自己的分区数据执行reduce逻辑。
13.reduce逻辑结束后将结果数据保存到HDFS上。
14.mapreduce作业结束后，MRAppmaster通知ResourceManager结束自己，让ResourceManager回收所有资源。