Spark的整體流程爲：Client提交應用，Master找到一個Worker啓動Driver，Driver向Master或者資源管理器申請資源，之後將應用轉化爲RDD Graph，再由DAGScheduler將RDD Graph轉化爲Stage的有向無環圖提交給TaskScheduler，由TaskScheduler提交任務給Executor執行。在任務執行的過程中，其他組件協同工作，確保整個應用順利執行。
Client：作爲用戶的客戶端負責提交應用。
Master：作爲整個集羣的控制器，負責整個集羣的正常運行。
Worker：相當於計算節點，接收主節點命令並進行狀態彙報。
Driver：負責控制一個應用程序，其運行Application的main()函數，並創建SparkContext。
SparkContext：是整個應用的上下文，控制應用的生命週期。
RDD：Spark的基本計算單元，一組RDD可形成執行的有向無環圖RDD Graph。
DAGScheduler：根據作業(Job)構建基於Stage的DAG，並提交Stage給TaskScheduler。
TaskScheduler：將任務分發給Executor。
Executor：執行器，在worker node上執行任務的組件，用於啓動線程池運行任務。
Spark框架中其他組件的作用：
SparkConf：負責存儲配置信息。
MetricsSystem：監控運行時性能指標信息。
BlockManager：負責存儲管理，負責創建和查找block。
BrocastManager：負責廣播變量的控制與元信息的存儲。
Progress is not created by contented people.