1、通过Spark的脚本spark-submit初始化SparkContext
2、初始化SparkContext会初始化两个非常重要的对象DAGScheduler和TaskScheduler
3、当DAGScheduler和TaskScheduler创建成功后，会生成一个Application，注册到Master节点。Application中封装的是提交的各种参数（核数、内存等）以及所需要的的jar包。参考：./spark-submit --master xxx --executor-memeory xx --total-executor-cores xx
4、Master在接收到Driver端提交过来的Application后，会通过资源调度计算Application需要的资源，并将任务发送到Worker节点
5、Worker收到Master发来的任务请求，会启动Executor，里面封装的是各种资源
6、当Worker内的Executor启动完成，并且成功床架线程池后，集群的准备工作完成。会向Driver端反向注册，准确的说是想TaskScheduler注册。至此，SparkContext的初始化完成
7、此时开始执行任务，我们代码中没每遇到一个Action算子，都会触发一个job
8、将job划分为多个stage，通过stage的划分算法，进行阶段划分
9、划分完stage后，会在stage的内部提交task，通过TaskSet将task提交给TaskSceduler
10、TaskSceduler在接收到任务后，会将task分发到不同Executor执行
11、在提交过程中中，内部会通过本地化级别，对任务进行级别划分，共有5种级别
12、TaskRunner执行Task，以FIFO的模式进行任务调度
13、Task内部，会将Task分为两种：上游Task(MapTask)和下游Task(ReduceTask)