解析:

 答：因为程序在运⾏之前，已经申请过资源了，driver和Executors通讯，不需要和master进⾏通讯的。 

解析:

 答：1）粗粒度：启动时就分配好资源， 程序启动，后续具体使⽤就使⽤分配好的资源，不需要再分配资源；好处：作业特别多时，资源复⽤率⾼，适合粗粒度；不
好：容易资源浪费，假如⼀个job有1000个task，完成了999个，还有⼀个没完成，那么使⽤粗粒度，999个资源就会闲置在那⾥，资源浪费。2）细粒度分配：⽤资源
的时候分配，⽤完了就⽴即回收资源，启动会⿇烦⼀点，启动⼀次分配⼀次，会⽐较⿇烦。 

解析:

 1)配置zookeeper
 
2)修改spark_env.sh⽂件,spark的master参数不在指定，添加如下代码到各个master节点
 
  export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=zk01:2181,zk02:2181,zk03:2181 -
Dspark.deploy.zookeeper.dir=/spark"
 
3) 将spark_env.sh分发到各个节点
 
4)找到⼀个master节点，执⾏./start-all.sh，会在这⾥启动主master,其他的master备节点，启动master命令: ./sbin/start-master.sh 
 
5)提交程序的时候指定master的时候要指定三台master，例如
 
./spark-shell --master spark://master01:7077,master02:7077,master03:7077 

解析:

 答：常⻅的⼤的稳定版本有Spark 1.3,Spark1.6, Spark 2.0 ，Spark1.6.0的数字含义
 
1）第⼀个数字：1 
 
major version : 代表⼤版本更新，⼀般都会有⼀些 api 的变化，以及⼤的优化或是⼀些结构的改变；
 
2）第⼆个数字：6 
 
minor version : 代表⼩版本更新，⼀般会新加 api，或者是对当前的 api 就⾏优化，或者是其他内容的更新，⽐如说 WEB UI 的更新等等；
 
3）第三个数字：0
 
patch version ， 代表修复当前⼩版本存在的⼀些 bug，基本不会有任何 api 的改变和功能更新；记得有⼀个⼤神曾经说过，如果要切换 spark 版本的话，最好选
patch version ⾮ 0 的版本，因为⼀般类似于 1.2.0, … 1.6.0 这样的版本是属于⼤更新的，有可能会有⼀些隐藏的 bug 或是不稳定性存在，所以最好选择 1.2.1, … 

解析:

 通过版本号的解释说明，可以很容易了解到，spark2.1.1的发布时是针对⼤版本2.1做的⼀些bug修改，不会新增功能，也不会新增API，会⽐2.1.0版本更加稳定。