一、spark-submit任务提交机制
spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://ns1.hadoop:7077 \
--executor-memory 1G \
--total-executor-cores 2 \
/usr/local/spark/examples/jars/spark-examples_2.11-2.1.1.jar
上面是spark在集群提交任务最常见的命令，其中：
--class是程序的主入口，和main方法类似。
--master 指定spark的运行模式，yarn、standalone等模式
--executor-memory 指定计算节点的内存大小，spark是基于内存运算的。
--total-executor-cores 指定运行任务的核数，你可以理解为线程数。
driver：负责交接应用程序任务，并发送任务。我们提交任务都是在driver端进行的。
master：负责worker的管理与集群资源的调度。
worker：上报自己的资源状态、存活情况，启动并管理。
executor：负责执行任务，真正用来做计算的节点。
spark-submit提交任务的，启动计算的过程：
1，在driver端提交spark-submit任务，任务提交以后会向master申请资源。
2，master会启动worker，worker在启动executor，executor是真正用来计算任务的。
3，executor启动以后，反向连接driver。通过master->worker->executor反向找到driver在哪里。
4，driver生成taskset任务集，之后把任务发送给executor，executor启动计算程序。
5，executor拿到任务分区参数触发真正的计算。通过driver->executor->task拿到运算分区参数。
二、Spark的四种部署方式
我们在部署spark计算任务时，有四种方式，可以部署到一台计算机，也可以是多台(cluster)。
在计算大数据任务时，必须借助计算机的计算能力，计算机集群规模越大、计算能力就越强。当我们在本地开发调试时，只需要依赖本地计算机计算即可，因此可以使用spark的单机模式。
local模式就是运行在一台计算机上的模式，通常就是用于开发调式阶段，主要有三种用法：
local： 所有计算都运行在一个线程当中，没有任何并行计算。
local[n]：指定使用几个线程来运行计算，比如local[5]就是运行5个worker线程。通常我们的cpu有几个core，就指定几个线程，最大化利用cpu的计算能力。
local[*]: 这种模式直接按照cpu最多cores来设置线程数。
cluster模式是运行很多机器上，它又分为以下三种模式，区别在于谁去管理资源调度。
在standalone模式下，Spark会自己负责资源的管理调度。它将cluster中的机器分为master机器和worker机器，master通常只有一个，worker是负责做计算任务的。
使用Spark客户端直接连接Mesos，不需要额外构建Spark集群，在实际开发中，基本很少使用这种模式。
在生产开发中，一般都是采用Yarn来管理资源调度。yarn模式又分为yarn cluster和yarn client两种模式：
三、Yarn和Spark的StandAlone集群调度模式对比
ResourceManager：管理子节点，调度资源，接受任务请求。
NodeManger：管理当前节点，并管理子节点。
Client和ApplicationMaster：提交App,管理该任务的Executor。
Driver：Driver(Client+AppMaster)提交App,管理该任务的Executor
Master：管理子节点，调度资源，接受任务请求。
