解析:

 1）客⼾端client向ResouceManager提交Application，ResouceManager接受Application
 
并根据集群资源状况选取⼀个node来启动Application的任务调度器driver（ApplicationMaster）
 
2）ResouceManager找到那个node，命令其该node上的nodeManager来启动⼀个新的
 
JVM进程运⾏程序的driver（ApplicationMaster）部分，driver（ApplicationMaster）启动时会⾸先向ResourceManager注册，说明由⾃⼰来负责当前程序的运⾏
 
3）driver（ApplicationMaster）开始下载相关jar包等各种资源，基于下载的jar等信息决定向ResourceManager申请具体的资源内容。
 
4）ResouceManager接受到driver（ApplicationMaster）提出的申请后，会最⼤化的满⾜
 
资源分配请求，并发送资源的元数据信息给driver（ApplicationMaster）；
 
5）driver（ApplicationMaster）收到发过来的资源元数据信息后会根据元数据信息发指令给具体
 
机器上的NodeManager，让其启动具体的container。
 
6）NodeManager收到driver发来的指令，启动container，container启动后必须向driver（ApplicationMaster）注册。
 
7）driver（ApplicationMaster）收到container的注册，开始进⾏任务的调度和计算，直到
 
任务完成。
 
补充：如果ResourceManager第⼀次没有能够满⾜driver（ApplicationMaster）的资源请求
 
，后续发现有空闲的资源，会主动向driver（ApplicationMaster）发送可⽤资源的元数据信息
 
以提供更多的资源⽤于当前程序的运⾏。 

解析:

 答：ApplicationMaster负责销毁，在Hadoop Mapreduce不可以复⽤，在spark on yarn程序container可以复⽤ 

解析:

 1）cluster模式：./spark-submit --class xx.xx.xx --master yarn --deploy-mode cluster xx.jar
 
2) client模式:./spark-submit --class xx.xx.xx --master yarn --deploy-mode client xx.jar 

解析:

 答：可以，只要资源管理器第三⽅管理就可以，如由yarn管理，spark集群不启动也可以使⽤spark；spark集群启动的是work和master，这个其实就是资源管理框架，yarn中的
resourceManager相当于master，NodeManager相当于worker，做计算是Executor，和spark集群的work和manager可以没关系，归根接底还是JVM的运⾏，只要所在的JVM上安装了spark
就可以。 

解析:

 www.aboutyun.com/thread-24246-1-1.html 24/57
2019/4/24 spark相关的⾯试题跟答案，带着问题学习效果更佳哟。?）-⾯试区-about云开发
答：收集Spark作业运⾏的信息