“hadoopjar”命令告诉hadoop通过提供jarfile、输入路径、输出路径在集群中执行作业。jar文件包含作业配置和所有map和reduce代码。
步骤：
作业客户端将作业提交给jobtracker（jt）。在后台，它将包含config、mapper和reducer代码、输入和输出路径信息的二进制文件复制到靠近task trackers（tts）的集中区域中的hdfs。一旦tts需要使用该代码，它们就在datanode上本地下载它，这样当map和reduce任务启动时，它们就可以使用该代码在本地数据上运行。
jt向namenode查询包含数据的数据位置和数据节点名称。
有了这些信息，jt与tts对话，并通过考虑最接近数据的tts（如果它们有可用的执行槽）来创建执行计划。如果不是，则查找机架位置并发现同一机架中的所有tts都有可用的插槽。如果仍然找不到，则在任何机架/任何位置找到tts。
根据执行计划，jt向tts提交工作。tts现在支持map和reduce任务，并在数据上执行。
tts定期向jt报告进度和心跳（默认每5秒一次）。每个map和reduce任务都通过tt向jt报告其进度/完成/错误。i、 eMap器和reducer任务向tt报告，tt向jt报告。如果mr任务死亡，tts会将此报告给jt，jt会启动其他mr任务来处理错误。
一旦所有Map者完成了他们的任务，jt就通知tts让reducer运行他们的reducer执行（即run reduce（）方法）
一旦所有Map器和还原器都完成，并且最终输出被写入，jt就会将其状态更新为success并通知客户机。