1）Worker节点内存大小必须满足应用程序设定的executor-memory大小；
2）Worker节点的内核数可以满足应用程序设定的executor-core数；
满足条件的Worker节点会为每一个应用程序独立的启动一个Executor进程，由该Executor进程全权负责该应用程序的Task任务，集群中的多个Worker节点的Executor进程在收到Task后，就会开始相互独立的并行完成Task任务。每个Worker节点可以启动多个Executor进程来满足多个应用程序的请求，每个Executor进程都单独运行在Worker节点一个JVM进程中，每个Task则运行在Executor中的一个线程。
某个应用程序的Executor进程一旦被创建将一直运行，且它的资源可以一直被多批Task人任务复用，直到该Spark程序运行完成才会释放退出。这避免了重复申请资源带来的时间开销。
Executor会反向逐级向上报告任务的执行状态，如下图所示：
Executor对任务状态的标识有4种情况：
1.Executor收到任务后，尚未对Task执行任务，此时Task的状态为RUNNING；
2.如果Task在运行过程中发生错误，此时Task的状态是FAILED，Executor会将错误的原因进行上报；
3.如果Task在中途被人为或其他原因Kill掉，此时Task的状态是KILLED，Executor会将kill的原因上报给TaskScheduler；
4.如果Task计算完成，此时Task的状态是FINISHED，Executor就会将结果进行保存，并将结果和状态信息反馈给TaskScheduler，并等待TaskScheduler为其分配下一个Task；
TaskScheduler收到Executor发来的结果及状态信息后，会找到该Task对应的TaskSetManager，将该Task的完成情况通知给对应的TaskSetManager。如果TaskSetManager所维护的Task均完成，TaskSetManager会自动结束关闭。
如果TaskSetManager对应的Stage是FinalStage，就将运行结果本身返回给DAGScheduler。如果对应的是中间的、由Shuffle操作而被分开的Stage，则返回给DAGScheduler的运算结果在存储模块的相关位置信息，这些存储位置信息将下一个调度Stage的输入数据，下一个Stage读取该输入数据进行计算，就这样反复进行任务分发、任务执行、任务执行信息上报，直到全部任务完成，该应用程序也就执行完成了。