（1）作业提交 第1步：Client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。 第2步：Client向ResourceManager申请一个作业id。 第3步：ResourceManager给Client返回该job资源的HDFS提交路径和作业id。 第4步：Client提交jar包、切片信息和配置文件到指定的HDFS路径。 第5步：Client提交完资源后，向ResourceManager申请运行MrAppMaster(针对该job的ApplicationMaster)。
（2）作业初始化 第6步：当ResourceManager收到Client的请求后，将该job添加到容量调度器(Resource Scheduler)中。 第7步：某一个空闲的NodeManager领取到该Job。 第8步：该NodeManager创建Container，并产生MRAppmaster。 第9步：MRAppmaster从HDFS下载Client提交的资源到本地。
（3）任务分配 第10步：MRAppmaster向ResourceManager申请运行多个MapTask任务资源。 第11步：ResourceManager将运行MapTask任务分配给空闲的NodeManager，空闲的NodeManager分别领取任务并创建容器。
（4）任务运行 第12步：MRAppmaster向接收到任务的NodeManager发送程序启动脚本，这些NodeManager分别启动MapTask，MapTask对数据处理，并分区排序。 第13步：MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。 第14步：ReduceTask向MapTask获取相应分区的数据。 第15步：程序运行完毕后，MR会向RM申请注销自己。
（5）进度和状态更新 YARN中的任务将其进度和状态(包括counter)返回给应用管理器, 客户端每秒(通过mapreduce.client.progressmonitor.pollinterval设置)向应用管理器请求进度更新, 展示给用户。
（6）作业完成 除了向应用管理器请求作业进度外, 客户端每5秒都会通过调用waitForCompletion()来检查作业是否完成。时间间隔可以通过mapreduce.client.completion.pollinterval来设置。作业完成之后, 应用管理器和Container会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户核查。
