1、Spark调度模式
Spark是一个开源框架，它支持两种调度模式，一种是以yarn为代表的粗粒度模式，和另一种细粒度模式。
2、粗粒度模式
每个应用程序的运行环境由一个Driver和若干个Executor组成，其中，每个Executor占用若干个资源，内部可运行多个Task，应用程序的各个任务正式运行之前，需要将运行环境中的资源全部申请好，且运行过程中要一直占用这些资源（即使不用），最后程序运行结束之后，回收这些资源
3、细粒度模式
与粗粒度模式一样，应用程序启动时，辉县启动executor，但每个executor占用的资源仅仅是自己运行所需的资源，不需要考虑将来要运行的任务，之后，cluster manager会为每个task根据自身需要动态分配资源。单个task运行完后就马上释放对应的资源。每个Task完全独立，优点是便于资源控制和隔离，但缺点也很明显，作业运行延迟大（重新分配task的资源是比较耗时的）
4、yarn上的粗粒度模式
yarn现在只支持粗粒度模式。
yarn上的ResourceManager负责将集群的资源分配给各个应用使用，而资源分配和调度的基本单位是Container,其中封装了集群资源（CPU，内存、磁盘等），每个任务只能在Container中运行，并且只是用Container中的资源。那么就算Spark的Executor用不了这么多资源，也会占用这么多资源，这就是粗粒度模式。