如图：
1、客户端提交MapReduce Job到YARN ResourceManager获取新的作业ID。
2、YARN ResourceManager返回给客户端一个应用程序ID，即JobID和存储作业资源的路径。
3、客户端检查作业的输出说明计算输入分片，并将作业的资源即作业Jar包、配置、输入分片存储10份到HDFS中（Hadoop源码中默认存储10份）。
4、调用YarnClientImpl.submitApplication()方法提交作业。
5、YARN ResourceManager收到客户端提交的作业后则交给Scheduler（Hadoop2中默认Capacity Scheduler）执行，Scheduler会分配一个Container，然后YARN ResourceManager在NodeManager的管理下在这个Container中启动MRAppMaster应用程序。
6、MapReduce Job的ApplicationMaster即MRAppMaster是一个java应用程序，主类是MRAppMaster。它对作业初始化并创建多个簿记对象保持多MapReduce Job的跟踪（包括来自任务的进度和完成报告）。
7、MRAppMaster会找出客户端计算好并存储在HDFS上的输入分片信息，并为每一个分片创建一个Map Task对象和配置中定义的多个Reduce任务对象（配置文件mapred-default.xml或mapred-site.xml中的mapreduce.job.reduces属性决定的）。
8、MRAppMaster为MapReduce Job的Map Task和Reduce Task向YARN ResourceManager请求容器（包含MapTask数据的本地化信息、输入分片的节点和机架信息、内存需求）。
9、YARN ResourceManager的Scheduler为任务分配了Container后，MRAppMaster通知NodeManager来启动Container。
10、Map Task或Reduce Task是一个java应用程序，主类是YarnChild。运行前会将需要的资源（配置、Jar包、来自分布式缓存的文件）进行本地化。
11、开始运行Map Task或Reduce Task。