sparkj技术是什么意思

1 Spark概述

Spark是一种基于内存的快速、通用、可扩展的大数据分析计算引擎。

1.1 Hadoop & Spark

• 时间节点对比：

2013年10月发布2.X (Yarn)版本；2013年6月，Spark成为了Apache基金会下的项目

• 功能对比：

Hadoop是由java语言编写的；Spark是由scala语言编写的

• Spark和Hadoop的根本差异是多个作业之间的数据通信问题 :

Spark多个作业之间数据通信是基于内存，而Hadoop是基于磁盘。

1.2 Spark核心模块

• Spark Core

提供了Spark最基础最核心的功能，Spark其他的功能如：Spark SQL，Spark Streaming，GraphX, MLlib都是在Spark Core的基础上进行扩展的

• Spark SQL

Spark SQL是Spark用来操作结构化数据的组件。通过Spark SQL，用户可以使用SQL或者Apache Hive版本的SQL方言（HQL）来查询数据。

• Spark Streaming

Spark Streaming是Spark平台上针对实时数据进行流式计算的组件，提供了丰富的处理数据流的API

• Spark MLlib

MLlib是Spark提供的一个机器学习算法库。MLlib不仅提供了模型评估、数据导入等额外的功能，还提供了一些更底层的机器学习原语。

• Spark GraphX

GraphX是Spark面向图计算提供的框架与算法库。

2 Spark入门

2.1 创建Maven项目

步骤1：增加Scala插件

Scala版本：2.12

Spark版本：3.0.0

步骤2：增加pom依赖

<dependencies>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-core_2.12</artifactId>
        <version>3.0.0</version>
    </dependency>
</dependencies>
<build>
    <plugins>
        <!-- 该插件用于将Scala代码编译成class文件 -->
        <plugin>
            <groupId>net.alchim31.maven</groupId>
            <artifactId>scala-maven-plugin</artifactId>
            <version>3.2.2</version>
            <executions>
                <execution>
                    <!-- 声明绑定到maven的compile阶段 -->
                    <goals>
                        <goal>testCompile</goal>
                    </goals>
                </execution>
            </executions>
        </plugin>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-assembly-plugin</artifactId>
            <version>3.1.0</version>
            <configuration>
                <descriptorRefs>
                    <descriptorRef>jar-with-dependencies</descriptorRef>
                </descriptorRefs>
            </configuration>
            <executions>
                <execution>
                    <id>make-assembly</id>
                    <phase>package</phase>
                    <goals>
                        <goal>single</goal>
                    </goals>
                </execution>
            </executions>
        </plugin>
    </plugins>
</build>

2.2 案例WordCount

object WordCount1 {
  def main(args: Array[String]): Unit = {

    //步骤1：创建SparkConf，spark运行环境对象，设置Master、设置AppName
    val conf: SparkConf = new SparkConf().setMaster("local").setAppName("WordCount")

    //步骤2：创建SparkContext上下文环境对象
    val sc: SparkContext = new SparkContext(conf)

    //步骤3：读取数据文件
    val lines: RDD[String] = sc.textFile("input/word.txt")

    //步骤4：切割一行一行的数据，为一个一个的单词，扁平化
    val words: RDD[String] = lines.flatMap(_.split(" "))

    //步骤5：根据word分组
    val groupRDD: RDD[(String, Iterable[String])] = words.groupBy(word => word)

    //步骤6：统计各个单词的数量
    val countRDD: RDD[(String, Int)] = groupRDD.map {
      case (word, list) => (word, list.size)
    }

    //按照单词的数量倒序排序
    val sortRDD: RDD[(String, Int)] = countRDD.sortBy(_._2, false)

    //步骤7：将结果收集到内存中
    val result = sortRDD.collect()

    //步骤8：将结果打印到控制台上
    result.foreach(println)

    //步骤9：关闭spark连接
    sc.stop()
  }
}

使用Spark中ReduceByKey()，根据相同的key进行value的reduce集合；Spark中所有的byKey的方法必须保证处理的数据为kv类型的数据。

object WordCount2 {
  def main(args: Array[String]): Unit = {

    val conf = new SparkConf().setMaster("local").setAppName("WordCount")

    val sc = new SparkContext(conf)

    val lines = sc.textFile("input/word.txt")

    val words = lines.flatMap(_.split(" "))

    val wordToOne = words.map {
      case word => (word, 1)
    }

    val wordToSum: RDD[(String, Int)] = wordToOne.reduceByKey((x, y) => x + y)

    val sortRDD: RDD[(String, Int)] = wordToSum.sortBy {
      case (word, count) => -count
    }

    val top3: Array[(String, Int)] = sortRDD.take(3)

    top3.foreach(println)

    sc.stop()   
  }
}

2.3 日志配置信息

执行过程会产生大量的执行日志，可以在resources目录创建log4j.properties文件，并添加下面的日志配置信息

log4j.rootCategory=ERROR, console
log4j.appender.console=org.apache.log4j.ConsoleAppender
log4j.appender.console.target=System.err
log4j.appender.console.layout=org.apache.log4j.PatternLayout
log4j.appender.console.layout.ConversionPattern=%d{yy/MM/dd HH:mm:ss} %p %c{1}: %m%n

# Set the default spark-shell log level to ERROR. When running the spark-shell, the
# log level for this class is used to overwrite the root logger's log level, so that
# the user can have different defaults for the shell and regular Spark apps.
log4j.logger.org.apache.spark.repl.Main=ERROR

# Settings to quiet third party logs that are too verbose
log4j.logger.org.spark_project.jetty=ERROR
log4j.logger.org.spark_project.jetty.util.component.AbstractLifeCycle=ERROR
log4j.logger.org.apache.spark.repl.SparkIMain$exprTyper=ERROR
log4j.logger.org.apache.spark.repl.SparkILoop$SparkILoopInterpreter=ERROR
log4j.logger.org.apache.parquet=ERROR
log4j.logger.parquet=ERROR

# SPARK-9183: Settings to avoid annoying messages when looking up nonexistent UDFs in SparkSQL with Hive support
log4j.logger.org.apache.hadoop.hive.metastore.RetryingHMSHandler=FATAL
log4j.logger.org.apache.hadoop.hive.ql.exec.FunctionRegistry=ERROR

2.4 异常处理

如果本机操作系统是Windows，在程序中使用了Hadoop相关的东西，比如写入文件到HDFS，则会遇到如下异常

出现这个问题，并不是程序错误，而是windows系统用到了hadoop相关的服务，解决方法是通过配置关联到windows的系统依赖即可。

3 Spark运行环境

3.1 Local模式

之前在Idea中的Local模式，每次提交完成后，环境就没有了，所以并不是我们所说的本地Local模式。

步骤1：上传spark-local环境安装包到/opt/software/，然后解压到/opt/module

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module 
mv spark-3.0.0-bin-hadoop3.2 spark-local

步骤2：启动Local环境

bin/spark-shell

步骤3：启动后，可以输入网址进行Web UI监控页面访问

http://虚拟机地址:4040

步骤4：命令行工具

在解压缩文件夹的data目录中，添加文件word.txt文件，在里面输入几个单词。

可以在spark-shell内输入代码（和IDEA中代码简化版一致）

sc.textFile("data/data.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect

步骤5：提交应用

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master local[2] \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

• –class 表示要执行程序的主类，可以更改为自己的应用程序
• –master local[2]，部署模式。默认为本地模式，数字表示分配的虚拟CPU核数量
• spark-examples_2.12-3.0.0.jar，运行的应用类所在的jar包，实际使用时，可以设定为咱们自己打的jar包
• 数字10表示程序的入口参数，用于设定当前应用的任务数量

步骤6：提交自己的编写的应用

注意读取文件路径，需要时Linux系统中的存在的文件。

object WordCount {
  def main(args: Array[String]): Unit = {
    //创建Spark运行配置对象
    val conf: SparkConf = new SparkConf().setMaster("local").setAppName("WordCount")
    //获取SparkContext上下文环境对象（连接对象）
    val sc: SparkContext = new SparkContext(conf)
    //读取文件数据
    val fileRDD: RDD[String] = sc.textFile("data/data.txt")
    //将文件数据进行分词
    val words: RDD[String] = fileRDD.flatMap(_.split(" "))
    //将数据按照单词进行分组
    val groupRDD: RDD[(String, Iterable[String])] = words.groupBy(t => t)
    //转换数据结构
    val resultRDD: RDD[(String, Int)] = groupRDD.map {
      case (word, list) => (word, list.size)
    }
    val sortRDD: RDD[(String, Int)] = resultRDD.sortBy(_._2, false)
    //将转换后的结果采集到内存中
    val collectRDD = sortRDD.collect()
    //输出打印
    collectRDD.foreach(println)
    //关闭Spark连接
    sc.stop()
  }
}

需要运行一下，产生classes文件后，再打包。

3.2 Standalone模式

Spark的Standalone模式体现了经典的master-slave模式。

集群规划:

	Linux1	Linux2	Linux3
Spark	Worker Master	Worker	Worker

步骤1：解压缩文件

将spark-3.0.0-bin-hadoop3.2.tgz文件上传到/opt/software目录，然后解压到opt/module。

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module 
mv spark-3.0.0-bin-hadoop3.2 spark-standalone

步骤2：修改配置文件

进入解压后路径的conf目录，修改slaves.template文件为slaves

mv slaves.template slaves

步骤3：修改slaves文件，添加work节点。

hadoop102
hadoop103
hadoop104

步骤4：修改spark-env.sh.template文件名为spark-env.sh

mv spark-env.sh.template spark-env.sh

添加JAVA_HOME环境变量和集群对应的master节点

export JAVA_HOME=/opt/module/jdk1.8.0_212
SPARK_MASTER_HOST=hadoop102
SPARK_MASTER_PORT=7077

注意：7077端口是，相当于hadoop3内部通信的8020端口

步骤5：分发spark-standalone目录

xsync spark-standalone

步骤6：启动集群

sbin/start-all.sh

查看三台服务器运行进程

查看Master资源监控Web UI界面 http://linux1:8080

步骤7：提交应用

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

• –class 表示要执行程序的主类
• –master spark://hadoop102:7077 独立部署模式，连接到spark集群
• spark-examples_2.12-3.0.0.jar 运行类所在的jar包
• 数字10表示程序的入口参数，用于设定当前引用的任务数量

执行任务时，会产生多个java进程

①提交参数说明

bin/spark-submit \
--class <main-class>
--master <master-url> \
... # other options
<application-jar> \
[application-arguments]

参数	解释	可选值举例
–class	Spark程序中包含主函数的类
–master	Spark程序运行的模式(环境)	模式：local[*]、spark://linux1:7077、 Yarn
–executor-memory 1G	指定每个executor可用内存为1G	符合集群内存配置即可，具体情况具体分析。
–total-executor-cores 2	指定所有executor使用的cpu核数为2个
–executor-cores	指定每个executor使用的cpu核数
application-jar	打包好的应用jar，包含依赖。这个URL在集群中全局可见。 比如hdfs:// 共享存储系统，如果是file:// path，那么所有的节点的path都包含同样的jar
application-arguments	传给main()方法的参数

②配置历史服务

由于spark-shell停止后，集群监控hadoop102:4040页面就看不到历史任务的运行情况，所以开发时都配置历史服务器记录任务运行情况。

步骤1：修改spark-defaults.conf.template文件名为spark-defaults.conf

mv spark-defaults.conf.template spark-defaults.conf

修改spark-default.conf文件，配置日志存储路径

spark.eventLog.enabled          true
spark.eventLog.dir               hdfs://hadoop102:8020/directory

注意：需要启动hadoop集群，HDFS上的directory目录需要提前存在

sbin/start-dfs.sh
hadoop fs -mkdir /directory

步骤2：修改spark-env.sh文件，添加日志配置

export SPARK_HISTORY_OPTS="
-Dspark.history.ui.port=18080 
-Dspark.history.fs.logDirectory=hdfs://hadoop102:8020/directory 
-Dspark.history.retainedApplications=30"

• 参数1含义：Web UI访问的端口为18080
• 参数2含义：指定历史服务器存储的HDFS路径
• 参数3含义：指定保存Application历史服务器的个数，如果超过这个值，旧的应用程序信息将被删除，这个是内存中的应用数，而不是页面上显示的应用数

步骤3：分发配置文件

xsync conf

步骤4：重新启动集群和历史服务

sbin/start-all.sh
sbin/start-history-server.sh

步骤5：重新执行任务

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

步骤6：查看历史服务：http://linux1:18080

③配置高可用(HA)

当前集群的master节点只有一个，所以会出现单点故障问题。为了解决单点故障问题，需要在集群中配置多个master节点。一旦一个处于活动状态的Master发生故障时，备用Master就会提供服务，这里的高可用一般采用Zookeeper配置。

步骤1：集群规划

	Linux1	Linux2	Linux3
Spark	Master Zookeeper Worker	Master Zookeeper Worker	Zookeeper Worker

步骤2：停止集群

sbin/stop-all.sh

步骤3：启动zookeeper

myzk.sh start

步骤4：修改spark-env.sh文件内容，添加如下配置

# standalone模式需要配置的JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
# 注释掉Master节点，因为采用zookeeper管理
# SPARK_MASTER_HOST=hadoop102
# SPARK_MASTER_PORT=7077

# 更改Master监控页面的Web端口。Master监控页面默认访问端口为8080，但是可能会和zookeeper冲突，所以改为8989，可以自定义，
SPARK_MASTER_WEBUI_PORT=8989

export SPARK_DAEMON_JAVA_OPTS="
-Dspark.deploy.recoveryMode=ZOOKEEPER 
-Dspark.deploy.zookeeper.url=hadoop102,hadoop103,hadoop104 
-Dspark.deploy.zookeeper.dir=/spark"

export SPARK_HISTORY_OPTS="
-Dspark.history.ui.port=18080 
-Dspark.history.fs.logDirectory=hdfs://hadoop102:8020/directory 
-Dspark.history.retainedApplications=30"

步骤5：分发配置文件

xsync conf/

步骤6：启动集群

sbin/start-all.sh

步骤7：在其他节点hadoop103上单独启动master节点

[atguigu@hadoop103 spark-standalone]$ sbin/start-master.sh 
starting org.apache.spark.deploy.master.Master, logging to /opt/module/spark-standalone/logs/spark-atguigu-org.apache.spark.deploy.master.Master-1-hadoop103.out

可以看到hadoop103上的Master处于备用状态。当处于ALIVE状态的Master节点挂掉，会过一小段时间，hadoop103的Master就会成为ALIVE状态。

步骤8：提交任务到高可用集群

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077,hadoop103:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

步骤9：杀死hadoop102的Master进程

kill -9 12345

可以看到hadoop103的Master成为了ALIVE

3.3 Yarn模式

独立部署模式(Standalone)由Spark自身提供计算资源，无需其他框架提供资源。但是Spark是一个计算框架，不是资源调度框架，所以一般使用Yarn做资源调度。

步骤1：解压安装包到/opt/module

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module 
mv spark-3.0.0-bin-hadoop3.2 spark-yarn

步骤2：修改hadoop的yarn-site.xml配置文件

<!--是否启动一个线程检查每个任务正使用的物理内存量，如果任务超出分配值，则直接将其杀掉，默认是true -->
<property>
     <name>yarn.nodemanager.pmem-check-enabled</name>
     <value>false</value>
</property>

<!--是否启动一个线程检查每个任务正使用的虚拟内存量，如果任务超出分配值，则直接将其杀掉，默认是true -->
<property>
     <name>yarn.nodemanager.vmem-check-enabled</name>
     <value>false</value>
</property>

步骤3：修改spark的spark-env.sh，添加JAVA_HOME和YARN_CONF_DIR配置信息

mv spark-env.sh.template spark-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_212
YARN_CONF_DIR=/opt/module/hadoop-3.1.3/etc/hadoop

步骤4：启动HDFS和YARN集群

[atguigu@hadoop102 conf]$ myhadoop.sh start

步骤5：提交应用

注意：spark-yarn模式，只需要启动HDFS和YARN集群后就可以直接提交任务了，不过需要指明运行模式master为yarn；还有deploy-mode为cluster集群模式。

• Yarn的client模式，会在控制台看到结果
• Yarn的cluster模式，不会在控制台的结果，结果提交到集群了。

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode cluster \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

查看http://hadoop103:8088/cluster页面，查看yarn的历史页面

① 配置历史服务器

上面的历史服务器是Hadoop的JobHistoryServer；下面配置的和Standalone模式的历史服务一样。

进程名为：HistoryServer

步骤1：spark-defaults.conf.template文件名为spark-defaults.conf

mv spark-defaults.conf.template spark-defaults.conf

配置日志存储的HDFS路径

spark.eventLog.enabled          true
spark.eventLog.dir               hdfs://hadoop102:8020/directory

注意：需要启动Hadoop集群，HDFS上的目录需要提前存在

sbin/start-dfs.sh
hadoop fd -mkdir /directory

步骤2：spark-env.sh文件，添加日志配置

export SPARK_HISTORY_OPTS="
-Dspark.history.ui.port=18080 
-Dspark.history.fs.logDirectory=hdfs://hadoop102:8020/directory 
-Dspark.history.retainedApplications=30"

步骤3：修改spark-default.conf

spark.yarn.historyServer.address=linux1:18080
spark.history.ui.port=18080

步骤4：启动历史服务

[atguigu@hadoop102 spark-yarn]$ sbin/start-history-server.sh

步骤5：重新提交应用

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode client \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

步骤6：查看Web页面

Hadoop的Yarn的Web信息：hadoop103:8088

SparkJob的Web信息：hadoop102:18080

3.4 K8S & Mesos模式

容器化部署是目前业界很流行的一项技术，基于Docker镜像运行能够让用户更加方便地对应用进行管理和运维。容器管理工具中最为流行的就是Kubernetes（k8s），而Spark也在最近的版本中支持了k8s部署模式。这里我们也不做过多的讲解。给个链接大家自己感受一下：https://spark.apache.org/docs/latest/running-on-kubernetes.html

3.5 Windows模式

步骤1：解压缩文件

将文件spark-3.0.0-bin-hadoop3.2.tgz解压缩到无中文无空格的路径中

步骤2：启动本地环境

1. 执行解压缩文件路径下bin目录中的spark-shell.cmd文件，启动Spark本地环境
2. 在bin目录中创建input目录，并添加word.txt文件, 在命令行中输入脚本代码

scala> sc.textFile("input/word.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect

步骤3：命令行提交应用

在DOS命令行窗口执行命令：

spark-submit --class org.apache.spark.examples.SparkPi --master local[2] ../examples/jars/spark-examples_2.12-3.0.0.jar 10

3.6 部署模式对比

模式	Spark安装机器数	需启动的进程	所属者	应用场景
Local	1	无	Spark	测试
Standalone	3	Master及Worker	Spark	单独部署
Yarn	1	Yarn及HDFS	Hadoop	混合部署

3.7 端口号

• Spark查看当前Spark-shell运行任务情况端口号：4040（计算）
• Spark Master内部通信服务端口RPC端口：7077
• Standalone模式下，Spark Master Web端口号：8080（资源）
• Spark历史服务器端口号：18080
• Hadoop YARN任务运行情况查看端口号：8088

4 Spark运行架构

Spark框架的核心是一个计算引擎，整体来说，它采用了标准的master-slave的结构。

--1. Spark框架可以理解三个部分组成

第一部分： Driver + Executor  -->  任务执行和调度

第二部分： Master + Worker    -->  Saprk自身的资源调度框架

第三部分： Cluster Manager    -->  集群管理，中间件

4.1 核心组件

①Drive & Executor

-- Driver：驱动器
	1. 用于执行Spark任务中的main()方法，负责实际代码的执行
	2. 将用户程序转化为job；
	3. 调度Executor之间的任务(task);
	4. 跟踪Executor的执行情况；
	5. 通过UI展示查询运行的结果。
	
-- Executor: 执行器
 	1. 是worker的一个JVM进程，负责Spark执行具体的任务(task);
 	2. 负责运行组成Spark应用的任务，并将结果返回给驱动器进程；
 	3. 在执行器内有块管理器，为用户程序中要求缓存的RDD提供内存的缓存。

②Master & Worker

-- Master
    1. 类似YARN中的RM;
    2. 负责资源的调度和分配，并进行集群的监控
 
 -- worker
    1. 类似YARN中的NM；
    2. 是一个进程，一个Worker运行在集群的一个服务器上，由Master分配资源对数据进行并行的处理和计算。
    
 -- 只有独立部署的模式下才有Master和Worker.

③ApplicationMaster

Hadoop用户向YARN集群提交应用程序时,提交程序中应该包含ApplicationMaster，用于向资源调度器申请执行任务的资源容器Container，运行用户自己的程序任务job，监控整个任务的执行，跟踪整个任务的状态，处理任务失败等异常情况

ResourceManager（资源）和Driver（计算）之间的解耦合靠的就是ApplicationMaster。

4.2 核心概念

① Executor与Core

Spark Executor是集群中运行在工作节点（Worker）中的一个JVM进程，是整个集群中的专门用于计算的节点。在提交应用中，可以提供参数指定计算节点的个数，以及对应的资源。这里的资源一般指的是工作节点Executor的内存大小和使用的虚拟CPU核（Core）数量

名称	说明
–num-executors	配置Executor的数量
–executor-memory	配置每个Executor的内存大小
–executor-cores	配置每个Executor的虚拟CPU core数量

②有向无环图(DAG)

-- 什么是有向无环图
DAG(Directed Acycli Graph):由点和线组成的拓扑图形，该图形具有方向，不会闭环。

-- tez ：是作业和作业之间的有向无环图
-- Spark：是作业内部的有向无环图

4.3 提交流程

①Yarn Client模式

Yarn Client模式，Client模式将用于监控和调度Driver模块在客户端执行，而不是Yarn中，所以一般用于测试.

1)	执行脚本提交任务，实际是启动一个SparkSubmit的JVM进程；
2)	SparkSubmit类中的main方法反射调用用户代码的main方法；
3)	启动Driver线程，执行用户的作业，并创建ScheduleBackend；
4)	YarnClientSchedulerBackend向RM发送指令：bin/java ExecutorLauncher；
5)	Yarn框架收到指令后会在指定的NM中启动ExecutorLauncher（实际上还是调用ApplicationMaster的main方法）；
object ExecutorLauncher {

  def main(args: Array[String]): Unit = {
    ApplicationMaster.main(args)
  }

}
6)	AM向RM注册，申请资源；
7)	获取资源后AM向NM发送指令：bin/java CoarseGrainedExecutorBackend；
8)	CoarseGrainedExecutorBackend进程会接收消息，跟Driver通信，注册已经启动的Executor；然后启动计算对象Executor等待接收任务
9)	Driver分配任务并监控任务的执行。
-- 注意：SparkSubmit、ApplicationMaster和YarnCoarseGrainedExecutorBackend是独立的进程；Executor和Driver是对象。

②Yarn Cluster模式

1)	执行脚本提交任务，实际是启动一个SparkSubmit的JVM进程；
2)	SparkSubmit类中的main方法反射调用YarnClusterApplication的main方法；
3)	YarnClusterApplication创建Yarn客户端，然后向Yarn服务器发送执行指令：bin/java ApplicationMaster；
4)	Yarn框架收到指令后会在指定的NM中启动ApplicationMaster；
5)	ApplicationMaster启动Driver线程，执行用户的作业；
6)	AM向RM注册，申请资源；
7)	获取资源后AM向NM发送指令：bin/java YarnCoarseGrainedExecutorBackend；
8)	CoarseGrainedExecutorBackend进程会接收消息，跟Driver通信，注册已经启动的Executor；然后启动计算对象Executor等待接收任务
9)	Driver线程继续执行完成作业的调度和任务的执行。
10)	Driver分配任务并监控任务的执行。

--注意：SparkSubmit、ApplicationMaster和CoarseGrainedExecutorBackend是独立的进程；Driver是独立的线程；Executor和YarnClusterApplication是对象。