Spark有多种运行模式，可以运行在一台机器上，称为本地（单机）模式——local模式；可以使用Spark自带的资源调度系统，称为Spark Standalone模式；也可以以YARN或Mesos作为底层资源调度系统以分布式的方式在集群中运行，称为Spark On YARN模式。本文就介绍前两种运行模式。
一：本地模式（local模式）
本地模式通过多线程模拟分布式计算，通常用于对应用程序的简单测试。本地模式在提交应用程序后，将会在本地生成一个名为SparkSubmit的进程，该进程既负责程序的提交，又负责任务的分配、执行和监控等。
二：Spark Standalone模式
Spark Standalone模式为经典的Master/Slave架构，资源调度是Spark自己实现的。在Standalone模式中，根据应用程序提交的方式不同，Driver（主控进程）在集群中的位置也有所不同。应用程序的提交方式主要有两种：client和cluster，默认是client。可以在向Spark集群提交应用程序时使用--deploy-mode参数指定提交方式。
（1）client提交方式
集群的主节点称为Master节点，从节点称为Worker节点。Driver为主控进程，负责执行应用程序的main方法，创建SparkContext对象（负责与Spark集群进行交互）。
（2）cluster提交方式
当应用程序运行时，Master会在集群中选择一个Worker进程启动一个名为DriverWrapper的子进程，该子进程即为Driver进程。
三：Spark Standalone模式的配置与提交
（1）先配置Workder节点名称：
$SPARK_HOME/conf/slaves (注：slaves文件是slaves.template的拷贝)
# A Spark Worker will be started on each of the machines listed below.
hadoop000
假设有5台机器，就应该进行如下配置（以下每个名称代表某台机器的主机名）
hadoop000
hadoop001
hadoop002
hadoop003
hadoop004
（2）再启动spark集群：
$SPARK_HOME/sbin/start-all.sh
ps:如果启动失败，可尝试在spark-env.sh中添加JAVA_HOME。spark-env.sh是spark-env.sh.template拷贝而来。
检测：jps命令，如果出现Master和Worker进程，则说明standalone模式安装成功。
(3)启动pyspark进程通过查看Web UI(默认端口为8080，例如http://192.168.158.20:8080/)中的Running Applications可以查看启动的pyspark进程
pyspark进程启动方式：
$SPARK_HOME/bin/pyspark --master spark://hadoop000:7077
（4）Spark Standalone模式提交：
./spark-submit --master spark://hadoop000:7077 --name spark-standalone /home/hadoop/scripts/spark0402.py hdfs://hadoop000:8020/hello.txt hdfs://hadoop000:8020/wc/output