一、構造SparkContext
1.1. 在shell下，通過spark-submit命令將Application提交到集群,此時spark會通過反射的方式，創建和構造一個DriverActor進程出來（scala中的actor類似java的多線程）
1.2. Driver進程會執行我們提交的Application應用程序，一般情況下，先構造SparkConf,再構造SparkContext
1.3. SparkContext在初始化的時候，最主要的做的就是構造DAGScheduler和TaskScheduler。
1.4. TaskScheduler實際上，是會負責，通過它對應的一個后臺進程，去連接Spark集群的Master進程注冊Application,
1.5. Master接收到Application的注冊請求后，會使用自己的資源調度算法（基于調度器standalone,Yarn,Mesos等都有不同的調度算法），在Spark集群的Worker上為這個Application啟動Executor
1.6. Master通知worker啟動Executor后，Worker會為Application啟動Executor進程，
1.7. Executor啟動之后，首先做的就是會將自己反向注冊到TaskScheduler上去，到此為止SparkContext完成了初始化。
二、運行Application
2.1. 所有Executor都反向注冊到Driver上之后，Driver結束SparkContext初始化，會繼續執行我們編寫的代碼
2.2. 每執行一個Action就會創建一個job，job會提交給DAGScheduler
2.3 DAGScheduler會采用自己的stage劃分算法將job劃分為多個stage，然后每個stage創建一個TaskSet，在此過程中，stage劃分算法非常重要，后續會進行詳細研究。
2.4 DAGScheduler會將TaskSet傳遞給TaskScheduler，TaskScheduler會把TaskSet里每一個task提交到Executor上執行（task分配算法）
2.5 Executor每接收一個task都會用TaskRunner來封裝task，然后從線程池里面取出一個線程，執行這個task，TaskRunner將我們編寫的代碼，也就是要執行的算子以及函數，拷貝，反序列化，然后執行Task。
2.6 Task有兩種，ShuffleMapTask和ResultTask。只有最后一個stage是ResultTask，之前的stage,都是ShuffleMapTask.
2.7 所以，最后整個Spark應用程序的執行，就是將stage分批次作為taskset提交給executor執行，每個task針對RDD的一個parktition，執行我們定義的算子和函數，以此類推，直到所有操作執行完為止。
