1> 将我们编写好的代码打成jar包，提交到集群上运行。 2> 执行spark-submit脚本 3> 调用sparkSubmit这个类的main方法，在main方法中通过反射的方式， 创建我们自己spark作业的主类实例对象。 然后调用main方法，开始执行我们自己写的代码。 4> 开始初始化sparkContext对象，在初始化sparkContext对象时会创建 两个重要的对象(DAGScheduler,TaskScheduler) 5> 将请求参数封装成ApplicationDescription对象，向master进行任务 的注册。 6> master接受到driver的clientActor的注册请求时，会将请求参数进 行封装,封装成app，然后加入到master的任务队列中。 7> 加入到队列后，将app进行持久化 8> 当轮到我们提交任务开始执行时，会调用scheduler()这个方法， 进行任务调度和资源分配。 9> master将分配好的资源封装到launchExecutor中， 发送到指定的worer上。 10> worker接收到master发送过来的LaunchExecutor时， 将其解析并封装到ExecutorRunner中。 11> 调用Executor的start方法，在这个方法中，创建了一个线程， 在这个线程的run方法中启动了一个用于执行任务的容器(进程) 12> executor启动成功后向DriverActor反向注册。 13> 发送反向注册成功的消息 14> 接收到driverActor发送过来的注册成功的消息后，会创建一个线程池， 这个线程池用于执行driverActor发送过来的任务。 15> 当属于这个任务的所有Executor都反向注册成功后，Driver会结束 sparkContext对象的初始化，继续运行我们自己编写的代码。 16> driver端结束sparkContext初始化工作后，开始执行我们编写的代码。 然后开始创建rdd的依赖关系，当遇到一个action算子时，就意 味着触发一个job，然后driver会将这个job提交给DAGScheduler 17> DAGscheduler接收到这个Job时，开始对着job的rdd依赖关系进行划分， 划分成一个一个stage，然后将stage封装成taskSet， 提交给DriverActor。 18> 将taskSet发送给DriverActor 19> DriverActor接收到dagScheduler发送过来的taskSet时，开始对 taskSet中的每个task进行序列化，然后将序列化好的task封装成 LaunchTask，发送给指定的executor 20> executor接收到driverActor发送过来的launcuTask时，会将其解 析并封装到RunnerTask中，然后从线程池中获取一个线程， 进行反序列化。然后执行我们编写的算子。将这些算子作用在其保存 的rdd的分区上。
