spark集群架构官方文档：http://spark.apache.org/docs/latest/cluster-overview.html
集群架构
我们先看这张图
这张图把spark架构拆分成了两块内容：
1）spark应用程序：即左边的DriverProgram这块;
2）spark 集群：即右边的ClusterManager和另外两个Worker Node;
这样的结构，我们大概可以猜测一下spark是怎么工作的。首先我们会编写一个spark程序，然后启动spark集群，这个spark程序需要和spark集群交互并让spark集群运行计算并最终产生结果。
下面，分别看看什么是spark程序，什么是spark集群
什么是spark应用程序？
spark应用程序指的就是我们编写程序代码，我们的程序代码会包含一个驱动程序Driver，有了这个Driver它会调用程序的main方法去启动我们的程序，并创建一个SparkContext。
当我们的sparkContext创建完成之后，我们的程序就可以通过sparkContext和Spark集群进行交互了。
如：Driver -> 调用main() -> 创建sparkContext -> 与spark集群交互
什么是spark集群？
spark集群分为三种运行模式：standalone、yarn、mesos
为了排除干扰因素，我们这里只以standalone来理解spark集群
我们先看上图右侧部分，spark集群分为两部分：Cluster Manager和两个WorkNode。这个结构就是一个很明显的master-slaver（主从）的结构，由master来负责资源管理，而slaver来负责执行相应的任务。
sparkContext在与Cluster Manager建立连接以后就会向Cluster Manager申请资源，之后sparkContext把程序代码解析成一些task，并把这些task分发给WorkNode让WorkNode去执行task。直到所有的task执行完毕以后，sparkContext会注销，并释放资源。
如：sparkContext -> 连接ClusterManager -> 申请资源 -> 解析成多个task -> 分发给workNode -> 执行task -> 执行完毕释放资源
总结
当前Driver启动以后，会去执行应用程序的main方法，并构建sparkConext对象。sparkContext与ClusterManager连接交互，并且sparkContext将程序代码解析成多个task，将task发送给workNode，workNode又会把task丢给任务执行器executor去执行，executor会启动线程池开始执行task。当所有的task执行完毕，spark向ClusterManager注销，并释放资源。
下面是spark集群架构的一些概念：
| Application | 用户编程的spark程序. 包含一个Driver驱动程序和executor要执行的代码 |
| Application jar | 一个包含spark应用程序的jar包 |
| Driver program | 驱动程序，包含在application当中，用于执行main方法和创建sparkContext。注意：Driver可以运行在Client中，也可以运行在master中。例如，当使用spark-shell提交spark job的时候Driver运行在master上，当使用spark-submit提交或者IDEA开发的时候Driver运行在Client上 |
| Cluster manager | spark集群，可以运行在standalone、yarn、mesos |
| Deploy mode | 部署模式，分为单机部署、伪分布式、完全分布式 |
| Worker node | spark的集群的从节点，用于执行任务 |
| Executor | 任务的执行器 |
| Task | application的代码被解析成许多task，并发送给executor去执行 |
| Job | 当碰到action操作的时候就会催生job，job中包含着多个task并行计算 |
| Stage | task的组 |
| Client | 客户端程序，用于提交spark job |