前面简单的介绍了Spark的一些概念还有Spark生态圈的一些情况，这里主要是介绍Spark运行模式与Spark Standalone模式的部署；
Spark运行模式在Spark中存在着多种运行模式，可使用本地模式运行、可使用伪分布式模式运行、使用分布式模式也存在多种模式如：Spark Mesos模式、Spark YARN模式；
Spark Mesos模式：官方推荐模式，通用集群管理，有两种调度模式：粗粒度模式（Coarse-grained Mode）与细粒度模式（Fine-grained Mode）；
Spark YARN模式：Hadoop YARN资源管理模式；
Standalone模式： 简单模式或称独立模式，可以单独部署到一个集群中，无依赖任何其他资源管理系统。不使用其他调度工具时会存在单点故障，使用Zookeeper等可以解决；
Local模式：本地模式，可以启动本地一个线程来运行job，可以启动N个线程或者使用系统所有核运行job；
Standalone模式需要将Spark复制到集群中的每个节点，然后分别启动每个节点即可；Spark Standalone模式的集群由Master与Worker节点组成，程序通过与Master节点交互申请资源，Worker节点启动Executor运行；
这里使用了两节点部署Spark集群：192.168.2.131、192.168.2.133，下面简称为：133与131节点；其中133节点既是Master节点同时又是Worker节点，131节点为Worker节点；
节点结构图
部署步骤：
一、首先在133节点上下载Java、Scala与Spark并解压到/usr/local目录下，这里使用的Spark是带有Hadoop的版本；
下载解压到local
二、配置Java、Scala与Spark环境变量，这里把环境变量配置到/etc/profile文件中，请忽略Hadoop环境变量；
环境变量配置
三、测试Java、Scala是否配置成功，在终端输入：java -version与scala -version
四、配置Spark环境变量，进入Spark目录下的conf目录把slaves.template重命名为slaves，接着把spark-env.sh.template重命名为：spark-env.sh；
重命名
修改spark-env.sh文件，添加环境变量；
spark-env修改
五、在133节点使用scp把下载好的Java、Scala、Spark发送到131节点，并在131节点上重复以上所有步骤；
六、在两个节点都完成以上所有步骤后开始启动Spark，133节点既是Master又是Worker；
1、首先在133启动Spark，进入Spark目录的sbin目录执行./start-all.sh：
Master启动
使用jps命令发现存在Master与Worker进程，说明Spark已启动成功；
2、启动131节点的Spark，进入Spark目录的sbin目录执行：./start-slave.sh spark://192.168.2.133:7077
start-slave.sh后面的地址为Master节点的通信地址，指定当前slave节点连接到的Master；
slave启动：
使用jps命令，存在Worker进程则说明当前的Spark Worker节点启动成功；
七、 Spark Web页面
可以通过:8080/ 地址查看到当前Spark集群的信息，这地址为Master节点的地址；
SparkWeb：