Spark的架构图如下：
分别解释
1、Driver：运行 Application 的 main() 函数并且创建 SparkContext。
2、Client：用户提交作业的客户端。（类似于Hadoop里的Client）
3、Worker：集群中任何可以运行 Application 代码的节点，运行一个或多个 Executor进程。
4、Executor ：运行在 Worker 的 Task 执行器， Executor 启动线程池运行 Task，并且负责将数据存在内存或者磁盘上。每个 Application 都会申请各自的 Executor 来处理任务。（类似于Hadoop里的NodeManager）
5、SparkContext：整个应用的上下文，控制应用的生命周期。（类似于Hadoop里的Context上下文）
6、RDD： Spark 的基本计算单元，一组 RDD 形成执行的有向无环图 RDD Graph。
7、DAG Scheduler：根据 Job 构建基于 Stage 的 DAG 工作流，并提交 Stage 给TaskScheduler。
8、TaskScheduler：将 Task 分发给 Executor 执行。
9、SparkEnv：线程级别的上下文，存储运行时的重要组件的引用。
本文转自大数据躺过的坑博客园博客，原文链接：http://www.cnblogs.com/zlslch/p/5718842.html，如需转载请自行联系原作者
