spark 三種運(yùn)行部署方式：
1.yarn模式
2.standalone
3.Mesos
=====================================================================
1.standalone模式
與MapReduce1.0框架類(lèi)似，Spark框架本身也自帶了完整的資源調(diào)度管理服務(wù)，可以獨(dú)立部署到一個(gè)集群中，而不需要依賴(lài)其他系統(tǒng)來(lái)為其提供資源管理調(diào)度服務(wù)。在架構(gòu)的設(shè)計(jì)上，Spark與MapReduce1.0完全一致，都是由一個(gè)Master和若干個(gè)Slave構(gòu)成，并且以槽（slot）作為資源分配單位。不同的是，Spark中的槽不再像MapReduce1.0那樣分為Map 槽和Reduce槽，而是只設(shè)計(jì)了統(tǒng)一的一種槽提供給各種任務(wù)來(lái)使用。
2.Spark on Mesos模式
Mesos是一種資源調(diào)度管理框架，可以為運(yùn)行在它上面的Spark提供服務(wù)。Spark on Mesos模式中，Spark程序所需要的各種資源，都由Mesos負(fù)責(zé)調(diào)度。由于Mesos和Spark存在一定的血緣關(guān)系，因此，Spark這個(gè)框架在進(jìn)行設(shè)計(jì)開(kāi)發(fā)的時(shí)候，就充分考慮到了對(duì)Mesos的充分支持，因此，相對(duì)而言，Spark運(yùn)行在Mesos上，要比運(yùn)行在YARN上更加靈活、自然。目前，Spark官方推薦采用這種模式，所以，許多公司在實(shí)際應(yīng)用中也采用該模式。
3. Spark on YARN模式
Spark可運(yùn)行于YARN之上，與Hadoop進(jìn)行統(tǒng)一部署，即“Spark on YARN”，其架構(gòu)如圖9-13所示，資源管理和調(diào)度依賴(lài)YARN，分布式存儲(chǔ)則依賴(lài)HDFS。
