1、我理解常用的Spark部署方式有三種
1）、本地服務，就是所謂的local，在IDE上本地跑程序，用於調試
2）、Standalone，使用自己的master/worker進行服務的調度。 脫離yarn的資源管理
3）、Spark on yarn。 使用yarn來進行資源的調度
2、在spark-env.sh中配置export HADOOP_CONF_DIR= ，這樣就可以使用hdfs了。
3、提交應用使用bin/spark-submit，通過指定master來確定是使用什么模式，即spark:// yarn-cluster yarn-client。如果使用的spark://，那么代表就是standalone模式，那么就需要sbin/start-all.sh啟動一下spark集群進行資源調度。
4、使用bin/spark-shell來進行本地交互式查詢。 但使用spark-shell貌似最好在standalone模式下進行
5、最終執行進程是Executor，它的資源使用在submit時指定--executor-cores,--executor-memory,--num-executors，如果沒有指定，那么就會讀取spark-env.sh配置文件中的SPARK_EXECUTOR_CORES，SPARK_EXECUTOR_MEMORY
6、在yarn模式下Executor進程名叫做CoarseGrainedExecutorBackend，在standalone模式下，Executor進程名叫做CoarseGrainedExecutorBackend。 （。。。我一直以為進程名稱不一樣呢，原來是一樣的。 好吧，我是出來搞笑的）
7、yarn-client,yarn-cluster區別在於driver的位置。 所謂driver是指定你的運行代碼。 client模式下，你的client就是在你在客戶端中。 cluster模式下，似乎應該是在ApplicationMaster中，它出現的位置是隨機的。
形象的舉個例子就清楚了，如果你在你的執行代碼中輸出了日志，那么在client模式下是可以看到日志的，但在cluster模式下是不太容易看到日志輸出的，如果想要看到， 那么需要去yarn的webui看。或者執行命令yarn application -logs xxxxxxxxxxxxx(如果我沒有記錯的話) 。
個人使用經歷來看，如果是使用spark streaming ，那么用client感覺個人會好一些。
后續會讀源代碼，在源代碼中了解一下client 和 cluster使用的區別，才能確定哪個應用場景會更好些。
暫時就這些，回頭有想到的再補充