这篇文章简单回顾下Spark如何在集群上运行，以使其中的组件更易理解。
组件Spark应用在集群上以独立的进程集合运行，在你的主程序（称作驱动程序）中以SparkContext对象来调节。特别的，为了在集群上运行，SparkContext可以与几个类型的集群管理器（Spark自身单独的集群管理器或者Mesos/YARN）相连接，这些集群管理器可以在应用间分配资源。一旦连接，Spark需要在集群上的线程池子节点，也就是那些执行计算和存储应用数据的工作进程。然后，它将把你的应用代码（以JAR或者Python定义的文件并传送到SparkContext）发送到线程池。最后，SparkContext发送任务让线程池运行。
关于这个架构有几个有用的地方需要注意：
各个应用有自己的线程池进程，会在整个应用的运行过程中保持并在多个线程中运行任务。这样做的好处是把应用相互孤立，既在调度方面（各个驱动调度它自己的任务）也在执行方面（不同应用的任务在不同的JVM上运行）。然而，这也意味着若不把数据写到额外的存储系统的话，数据就无法在不同的Spark应用间（SparkContext的实例）共享。
对于潜在的集群管理器来说，Spark是不可知的。只要它需要线程池的进程和它们间的通信，那么即使是在也支持其他应用的集群管理器（例如，Mesos/YARN）上运行也相对简单。
因为驱动在集群上调度任务，它应该运行接近到工作节点，在相同的局域网内更好。如果你想对远程的集群发送请求，较好的选择是为驱动打开一个RPC，让它就近提交操作而不是运行离工作节点很远的驱动。
集群管理类型 系统目前支持3种集群管理：
其实，在Amazon EC2(亚马逊弹性计算云)中Spark的EC2启动脚本可以很容易的启动单例模式。
给集群发布代码给集群发布代码的一种推荐的方式是通过SparkContext的构造器，这个构造器可以给工作节点生成JAR文件列表(Java/Scala)或者.egg文件和.zip包文件(Python)。你也可以执行SparkContext.addJar和addFile来动态的创建发送文件。
监控器 每个驱动程序有一个web UI，典型的是在4040端口，你可以看到有关运行的任务、程序和存储空间大小等信息。你可以在浏览器中输入简单的url方式来访问：<驱动节点>：4040.监控器也可以 指导描述其它监控器信息。
任务调度Spark可以通过在应用外(集群管理水平)和应用里(如果在同一个SparkContext中有多个计算指令)资源分配。你可以在这里了解更多 任务调度的细节。
词汇表
你将在集群概念中看到下面表中总结的术语：
术语意思应用 在Spark上构建的程序. 由驱动程序和子执行集群.
驱动程序 运行man函数的进程，同时也创建SparkContext
集群管理员 在获得资源集群上的扩展服务(举例. 单例模式管理员, Mesos, YARN)
工作员节点 任何在集群中可以运行应用的节点
执行者
在工作员节点中为应用所启动的一个进程，它可以运行任务以及可以在内存或是硬盘中保存数据。每一个应用都有属于自己的执行者
任务 一个可以给执行者发送数据的工作单元
工作 一个由多任务组成的并行计算，并能从Spark动作中获得回应 (举例.保存，收集); 你可以在驱动日志中看到这个术语
阶段 每个工作被分为很多小的任务集合互称为阶段 (和MapReduce中的map和reduce阶段相似); 你可以在驱动日志中看到这个术语
--------------------------------------分割线 --------------------------------------
CentOS 6.2(64位)下安装Spark0.8.0详细记录