·ClusterManager：在Standalone模式中即为Master（主节点），控制整个集群，监控
Worker。 在YARN模式中为资源管理器。
·Worker：从节点，负责控制计算节点，启动Executor或Driver。 在YARN模式中为
NodeManager，负责计算节点的控制。
·Driver：运行Application的main（）函数并创建SparkContext。
·Executor：执行器，在worker node上执行任务的组件、 用于启动线程池运行任务。 每
个Application拥有独立的一组Executors。
·SparkContext：整个应用的上下文，控制应用的生命周期。
·RDD：Spark的基本计算单元，一组RDD可形成执行的有向无环图RDD Graph。
·DAG Scheduler：根据作业（Job）构建基于Stage的DAG，并提交Stage给
TaskScheduler。
·TaskScheduler：将任务（Task）分发给Executor执行。
·SparkEnv：线程级别的上下文，存储运行时的重要组件的引用。
SparkEnv内创建并包含如下一些重要组件的引用。
·MapOutPutTracker：负责Shuffle元信息的存储。·BroadcastManager：负责广播变量的控制与元信息的存储。
·BlockManager：负责存储管理、 创建和查找块。
·MetricsSystem：监控运行时性能指标信息。
·SparkConf：负责存储配置信息。
