和HDFS一样，MapReduce也是采用Master/Slave的架构
MapReduce1包含4个部分：Client、JobTracker、TaskTracker和Task
Client
- 将JAR文件、配置参数Configuration、计算分片、Distributed Cache 文件存储在HDFS
- 向 JobTracker 申请JobId
JobTracker
- 负责资源监控和作业调度 监控所有TaskTracker 与job的健康状况，一旦发现失败，就将相应的任务转移到其他节点
- 跟踪任务的执行进度、资源使用量等信息，并将这些信息告诉作业调度器
- 调度器会在资源出现空闲时，选择合适的任务使用这些资源
TaskTracker
- 周期性地通过Heartbeat 将本节点上资源的使用情况和任务的运行进度汇报给JobTracker
- 接收JobTracker 发送过来的命令并执行相应的操作（如启动新任务、杀死任务等）
- 使用“slot”等量划分本节点上的资源量，“slot”代表计算资源（CPU、内存等）分配给Task 使用
Task
- 分为Map Task 和Reduce Task 两种，均由TaskTracker 启动
- Map Task 和Reduce Task 分别使用Map slot 和Reduce slot
JobTracker：存在单点故障，一旦出现故障，整个集群就不可用，出现故障之后重启一下，再把作业重新提交就可以了，它不会像 HDFS 那样出现数据的丢失
TaskTracker：周期性向 JobTracker 汇报心跳，如果一定时间内没有汇报，JobTracker 就认为该TaskTracker 挂掉了，或者TaskTracker上运行的Task失败次数太多，就会把上面所有任务调度到其它TaskTracker上
Task：MapTask和ReduceTask 也可能运行挂掉，比如内存超出了或者磁盘挂掉了，TaskTracker会汇报JobTracker，JobTracker会把该Task调度到其它节点上，但受到重试次数的限制