了解了Yarn上的程序如何启动之后(详情《Yarn初步了解》)，本文来分析一下Spark On Yarn程序的启动流程，具体来说是Client模式下Spark On Yarn程序是如何启动的。
Spark on Yarn是如何运行起来的：
从SparkContext的启动开始看进去。SparkContext初始化内部具体细节可以看下本人之前写的《SparkContext初始化流程》这篇文章，这篇是基于StandAlone模式写的。最初的流程还是一样的，创建taskScheduler和schedulerBackend：
TaskScheduler：负责Task的调度，它所调度的Task是由DAGScheduler创建的
***schedulerBackend：负责连接Master并注册当前的程序；申请资源(Executor)和task具体到Executor的执行和管理,具体类型和deploy Mode有关比如standalone或者on yarn
只是现在创建的是可以与Yarn交互的类：
并且createSchedulerBackend内部创建的是Yarn下的Client，而不是StandAloneAppClient(用于向Master注册任务，申请资源用的):
Client类中核心是下面三个方法：
检查资源是否足够，如果资源足够的情况下向ResourceManager申请资源启动AM，再由AM向ResourceManager申请资源用于启动Executor，AM连接具体的NodeManager启动Executor。
AM类可能是org.apache.spark.deploy.yarn.ApplicationMaster/ ExecutorLauncher，分别对应Cluster模式和Client模式。
Spark On Yarn Client VS Cluster:
Client模式一般用于测试，这种情况下Driver端是运行在本地的，好处是可以本地调试方便。Cluster一般用于生产环境，但是调试不方便，只能到Yarn上找log或者远程调试(AM是随机起在任意一台NodeManager中的，远程调试还得先找一找)。
在Yarn中，每个Application实例都有一个ApplicationMaster进程，它是Application启动的第一个容器。它负责和ResourceManager打交道并请求资源，获取资源之后告诉NodeManager为其启动Container。
Cluster模式下，Driver运行在AM(Application Master)中，它负责向Yarn申请资源，并监督作业的运行状况。当用户提交了作业之后，就可以关掉Client，作业会继续在Yarn上运行，因而Cluster模式不适合运行交互类型的作业；
Client模式下，Application Master仅仅向Yarn请求Executor，Client会和请求的Container通信来调度他们工作，也就是说Client不能离开；
个人觉得，都是Client模式运行，StandAlone和Yarn的区别在于，Yarn多了一个ApplicationMaster。
