前言：此文章从客户端提交job任务开始，到对需要处理的数据进行切片，产生对应的maptask任务，Yarn来管理任务的调度来执行maptask和reducetask（包括shuffle）进行了详细的代码分析。
一、hadoop的Job 提交流程源码
流程图：
1.从我们编写的mapreduce的代码中进入job提交源码
支线一：进入connect();
2.支线二：进入submitter.submitJobInternal(Job.this, cluster)，向集群提交了job信息，这里是提交job任务的核心代码
该方法（submitter.submitJobInternal(Job.this, cluster)）往下翻：
存入了切片信息的本地路径
submitter.submitJobInternal(Job.this, cluster)方法继续往下走
该方法继续往下看：将job的任务创建的Application的appContext上下文信息发送到Yarn的ResourseManager
进入setupAMCommand，查看封装的各种参数
该方法继续往下翻
回到YARNRunner的submitJob方法
代码已经从客户端提交到了ClientRMService，ClientRMService就是resourceManager端，接下来可以查看Yarn 源码解析
二、hadoop的Job 提交流程切片源码
补充上面Job提交流程中有切片部分，单独拎出来分析
该方法继续往下走
总结重点：切片大小默认是这样computeSplitSize(Math.max(minSize,Math.min(maxSize,blocksize)))=blocksize=128M，公司里也一般是这个，不过可以修改，切块大小不是精准128M切，而是每次切片时，都要判断切完剩下的部分是否大于块的1.1倍，不大于1.1倍就划分一块切片。
三、Yarn 源码解析
1.YARN工作机制
2.YARN源码解析
1.前言：之前job任务提交的代码（途中灰色部分）已经讲解，客户端发送request到了客户端部分
该方法继续往下看
2.resourceManager通过指令命令执行MRAppMaster.java类的main方法
回到initAndStartAppMaster初始化AppMaster方法
3.YarnChild负责MapReduce任务过程
查看main方法
①查看Maptask的run方法
该方法继续往下看
②回到上边此图部分，查看Reudcetask的run方法
Yarn的ResourceManager负责开始maptask和reducetask的执行开启，接下来讲解mapreduce的执行源码
四、MapTask源码解析
1.MapTask的工作机制
找到自己编写的mapreducetask的代码，从mapper类中context.write打入断点
回到上一层flush方法
回到之前的close方法
五、ReduceTask源码解析
ReduceTask工作机制
提前在ReduceTask的run方法中打入断点maptask执行完之后就开始执行reducetask
其中初始化了outputFormat对象
回到ReduceTask的run方法
返回上一级方法
回到ReduceTask的run方法
回到ReduceTask的run方法
现在调用到我们编写的reduce方法
