一 Standalone运行模式

独立运行模式是Spark自身实现的资源调度框架，由客户端、Master节点和Worker节点组成，其中SparkContext既可以运行在Master节点，也可以运行在本地客户端。

Worker节点可以通过ExecutorRunner运行在当前节点上的CoarseGrainedExecutorBackend进程，每个Worker节点存在一个或者多个CoarseGrainedExecutorBackend进程，每个进程包含一个Executor对象。该对象有一个线程池，每个线程可以执行一个任务。

（1）启动应用程序，在SparkContext启动过程中，先初始化DAGScheduler和TaskSchedulerImpl两个调度器，同时初始化SparkDelploySchedulerBackend，并且在内部启动终端点DriverEndPoint和ClientEndPoint。

（2）终端点ClientEndPoint向Master注册应用程序，Master收到注册信息把该应用程序加入到等待应用程序队列中，等待Master分派给该应用程序Worker。

（3）当前应用程序获取Worker时，Master会通知worker中的终端点WorkerEndpoint创建CoarseGrainedExecutorBackend进程，在该进程中创建执行容器Executor。

（4） Executor创建完毕后发送消息而给Master和终端点DriverEndPoint，告知Executor以及创建完毕，在SparkContext成功注册之后，等待接收从Driver终端点执行任务的信息。

（5）SparkContext分配任务给CoarseGrainedExecutorBackend进程执行，任务执行在按照一定的调度策略进行的。

（6）CoarseGrainedExecutorBackend在任务处理的过程中，把处理任务的状态发送给SparkContext的终端点DriverEndPoint，SparkContext根据任务执行不同的结果进行处理。如果任务集处理完毕之后，则会继续发送其他任务集。

（7）应用程序运行完毕之后，SparkContext就会进行资源回收，先销毁在Worker的CoarseGrainedExecutorBackend进程，然后再销毁自身。

二 Yarn-cluster模式

在Yarn-Cluster模式中，当向用户YARN中提交一个应用程序之后，YARN将分为两个阶段运行在该应用程序中：第一个阶段是把Spark的Driver作为一个ApplicationMaster在YARN集群中启动；第二阶段是由ApplicationMaster创建应用程序，然后它向ResourceManager申请资源，并且启动Executor来运行任务集，同时监控它的整个执行过程，直到运行完成。

（1）客户端提交应用程序时，启动Client向YARN中提交应用程序，包括启动Application Master的命令、提交给Application Master的程序和需要在Executor中运行的程序等。

（2）ResourceManager收到请求之后，在集群中选择一个NodeManager，为该应用程序分配一个Container，为该应用程序分配一个Container，要求这个Container中启动应用程序的ApplicationMaster。其中ApplicationMaster进行SparkContext等初始化工作。

（3）中ApplicationMaster向ResourceManager注册，根据任务信息向ResourceManager申请资源（Container），并且监控任务的状态直到运行结束。

（4）一旦ApplicationMaster申请到了资源（Container）后，便于对应的NodeManager建立通信，要求它在获得的Container中启动CoarseGrainedExecutorBackend，CoarseGrainedExecutorBackend会向Application Master中的SparkContext进行注册并且申请任务集。

（5）Application Master中的SparkContext分配任务集给CoarseGrainedExecutorBackend执行，CoarseGrainedExecutorBackend运行任务并且向终端点DriverEndpoint汇报任务运行的状态和进展，客户端随时掌握各个任务的运行状态，从而可以在任务失败的时候重新启动任务

（6）应用程序执行完毕之后，客户端的aplication Master向ResourceManger申请注销并且关闭本身。