Driver（进程）
10、每执行到一个Action，就会创建一个Job，Job会提交给DAGScheduler
7、Executor启动之后会自己反向注册到TaskScheduler上去
SparkContent
5、当TaskScheduler构造出来之后，会通过它对应的一个后台进程，去连接Spark集群的Master，向Master注册Application
向Master注册Application
提交Task到executor执行
2、当使用standalone模式去提交的时候，首先会通过反射的方式，创建和构造一个DriverActor进程出来，这个就是我们说的Driver
3、这个Driver进程就会去执行我们自己编写的Application应用程序
反向注册到TaskScheduler
TaskScheduler（有自己的后台进程）
12、每个TaskSet会提交给TaskScheduler，TaskScheduler会把TaskSet里面的每一个Task提交到executor执行（Task分配算法）
14、所以，最后整个spark应用程序的执行，就是stage分批次作为taskset提交到executor执行，每个task针对RDD的一个partition，执行我们定义的算子和函数，以此类推，直到所有操作都执行完为止
DAGScheduler
4、执行应用程序，首先会去创建一个SparkContent，SparkContent初始化的时候最重要的就是构造DAGScheduler和TaskScheduler
Application（自己的程序）
1、写完代码之后打成jar包放在一台机器上使用spark-submit去提交这个任务
9、当所有Executor都反向注册到Driver上之后，Driver结束SparkContext初始化，会继续执行我们自己编写的代码
6、Master在接收到Application注册的请求之后，会使用自己的资源调度算法，在Spark集群的Worker上，为这个Application启动多个executor（Master的资源调度算法）
Spark-submit提交application
executor（进程）
WorkerWorker会为Application启动多个executor
Master
TaskRunner将我们编写的代码，也就是要执行的算子及函数，拷贝，反序列化，然后执行Task
提交spark程序的客户端机器
Spark集群
Master通知Worker启动Executor
13、Executor每接收到一个task，都会用TaskRunner来封装task，然后从线程池里取出一个线程，执行这个Task，以此类推，直到所有的task都执行完
11、DAGScheduler会将Job划分为多个stage，然后每个stage会创建一个TaskSet（Stage划分算法）
Application应用程序
