1.提交一个 Spark 应用程序，首先通过 Client 向 ResourceManager 请求启动一个 Application，

同时检查是否有足够的资源满足 Application 的需求，如果资源条件满足，则准备ApplicationMaster 的启动上下文，交给 ResourceManager，并循环监控 Application 状态。

2.当提交的资源队列中有资源时，ResourceManager 会在某个 NodeManager 上启动

ApplicationMaster 进程，ApplicationMaster 会单独启动 Driver 后台线程，当 Driver 启动后，ApplicationMaster会通过本地的RPC连接Driver，并开始向ResourceManager申请Container

资源运行 Executor 进程（一个 Executor 对应与一个 Container），当 ResourceManager 返回 Container 资源，则在对应的 Container 上启动 Executor。

3.Driver 线程主要是初始化 SparkContext 对象，准备运行所需的上下文，然后一方面保持与

ApplicationMaster 的 RPC 连接，通过 ApplicationMaster 申请资源，另一方面根据用户业务逻辑开始调度任务，将任务下发到已有的空闲 Executor 上。

5.当 ResourceManager 向 ApplicationMaster 返回 Container 资源时，

ApplicationMaster 就尝试在对应的 Container 上启动 Executor 进程，Executor 进程起来后，会向 Driver 注册，注册成功后保持与 Driver 的心跳，同时等待 Driver 分发任务，当分发的任务执行完毕后，将任务状态上报给 Driver。

Driver 把资源申请的逻辑给抽象出来，以适配不同的资源管理系统，所以才间接地通过ApplicationMaster 去和 Yarn 打交道。

Client 只管提交 Application 并监控 Application 的状态。

对于 Spark 的任务调度主要是集中在两个方面: 资源申请和任务分发，其主要是通过ApplicationMaster、Driver 以及 Executor 之间来完成