（1）使用spark-shell执行Spark程序
在spark-shell交互式环境启动时，就会自动为用户完成Spark的配置工作，并自动创建SparkContext来连接Spark集群，在我们看见spark-shell的命令行出入窗口时，即已经完成应用初始化过程。
（2）使用spark-submit提交Spark程序的方式。
用户可以将应用程序打包成JAR包，然后通过配置好的spark-submit脚本将应用程序提交给Spark集群处理。下面是一个运行在YARN集群上的一个spark-submit脚本的示例：
./bin/spark-submit --master yarn-cluster --class wordcount --deploy-mode client \ --name wordcount --executor-memory 1g --executor-cores 1 \ ...\ #其他参数 /home/wordcount.jar \ #程序jar包地址 /user/input/Readme.txt \ #程序参数 /user/output \
以上脚本的主要参数如下：
1.master：指明集群中的master节点；
2.class：用户的应用程序大多使用Scala或Java语言编写，在一个应用程序的Jar包中包含多个类文件，class指明了应用程序的入口；
3.deploy-mode：指明Driver节点运行的地点，可以选择在用户的客户端电脑上运行Driver节点，也可以将Driver节点运行在集群中的一个节点上；
4.name：指定应用程序的名称
5.executor-memory：指明需要配置Executor的内存大小，Spark对于RDD的操作都是基于内存的，因此Executor的内存大小设置直接影响到性能；
6.executor-cores：指定Executor使用的服务器的CPU内核数目，在YARN模式下，通过executor-cores指定Executor使用的内核数，在Mesos模式下，使用total-executor-cores指定所有Executor使用的内核总数；
spark-submit脚本可以设置的参数还有很多，通过spark-submit脚本，用户将应用程序提交给了Spark集群，Spark集群会根据spark-submit脚本中的deploy-mode设定选取一台主机运行Driver程序。Driver程序根据class设定的程序入口进入应用程序。
每个应用程序入口类的主函数内都会包含一个SparkContext实例，SparkContext是整个应用程序连接集群的接口，它主要负责的工作有：
1）接受SparkConf参数
在SparkContext初始化时，Spark运行环境会将SparkConf相关的配置参数传递给SparkContext，用于配置应用运行时的属性，例如：要连接的master节点，应用程序的名称，sparkHome，环境变量等。
需要注意的是，SparkConf和spark-submit中的参数都可以设置应用运行时参数，但是SparkConf的优先级要高于spark-submit。
2）创建SparkEnv运行环境
Spark的运行离不开一些重要的管理模块，像BlockManager、CacheManager等，SparkEnv根据之前设置的集群参数创建这些管理模块；
3）资源申请
整个应用程序通过SparkContext与集群连接，并向Spark集群资源管理器（Cluster Manager）申请运行Executor资源，一旦资源申请成功，每个应用程序就会获得分布在不同节点上的Executor资源，SparkContext将应用程序发送给各个Executor，由Executor实际完成应用程序的计算任务；
4）创建SparkUI
Spark为每个应用程序都提供一个单独的web UI管理界面。
5）创建TaskSchedule
TaskSchedule的初始化会根据Spark运行模式的不同而不同。初始化启动后，TaskSchedule负责每个任务的实际物理调度；
6）创建DAGSchedule
DAGSchedule根据创建的TaskSchedule进行创建，DAGSchedule负责接受提交的计算任务，同时负责任务的逻辑调度；
7）提供函数方法
SparkContext提供了多个重要的函数方法以操作数据，例如前面用到的textFile方法；
一旦SparkContext创建成功，即完成了Spark应用的初始化，此时，就可以通过访问Driver节点的4040端口查看该应用程序的状态。