1.Master和Worker
Spark特有資源調度系統的Leader。掌管着整個集羣的資源信息，類似於Yarn框架中的ResourceManager，主要功能：
（1）監聽Worker，看Worker是否正常工作；
（2）Master對Worker、Application等的管理(接收worker的註冊並管理所有的worker，接收client提交的application，(FIFO)調度等待的application並向worker提交)。
2）Worker
Spark特有資源調度系統的Slave，有多個。每個Slave掌管着所在節點的資源信息，類似於Yarn框架中的NodeManager，主要功能：
（1）通過RegisterWorker註冊到Master；
（2）定時發送心跳給Master；
（3）根據master發送的application配置進程環境，並啓動StandaloneExecutorBackend(執行Task所需的臨時進程)
2.Driver和Executor
1）Driver（驅動器）
Spark的驅動器是執行開發程序中的main方法的進程。它負責開發人員編寫的用來創建SparkContext、創建RDD，以及進行RDD的轉化操作和行動操作代碼的執行。如果你是用spark shell，那麼當你啓動Spark shell的時候，系統後臺自啓了一個Spark驅動器程序，就是在Spark shell中預加載的一個叫作 sc的SparkContext對象。如果驅動器程序終止，那麼Spark應用也就結束了。主要負責：
（1）把用戶程序轉爲任務
（2）跟蹤Executor的運行狀況
（3）爲執行器節點調度任務
（4）UI展示應用運行狀況
2）Executor（執行器）
Spark Executor是一個工作進程，負責在 Spark 作業中運行任務，任務間相互獨立。Spark 應用啓動時，Executor節點被同時啓動，並且始終伴隨着整個 Spark 應用的生命週期而存在。如果有Executor節點發生了故障或崩潰，Spark 應用也可以繼續執行，會將出錯節點上的任務調度到其他Executor節點上繼續運行。主要負責：
（1）負責運行組成 Spark 應用的任務，並將狀態信息返回給驅動器進程；
（2）通過自身的塊管理器（Block Manager）爲用戶程序中要求緩存的RDD提供內存式存儲。RDD是直接緩存在Executor進程內的，因此任務可以在運行時充分利用緩存數據加速運算。
因此，Master和Worker是Spark的守護進程，即Spark在特定模式下正常運行所必須的進程。Driver和Executor是臨時進程，當有具體任務提交到Spark集羣纔會開啓的進程。