Spark架构与运行流程
1. 为什么要引入Yarn和Spark。
yarn是作业调度和集群资源管理的一个框架，从一定程度上溺化了多计算框架的优劣之争，解决了扩展性差，单点故障以及只能局限于MR计算框架等的问题。在MapReduce时代，很多人评论MapReduce不适合迭代计算和流失计算，于是出现了Spark和Storm等计算框架。MapReduce是运行在Yarn之上的一类应用程序抽象，Spark和Strom本质上也是，他们只是针对不同类型的应用开发的，没有优劣之别，各有所长，合并共处。
2. Spark已打造出结构一体化、功能多样化的大数据生态系统，请简述Spark生态系统。
Spark拥有DAG执行引擎，支持在内存中对数据进行迭代计算。Spark不仅支持Scala编写应用程序，而且支持Java和Python等语言进行编写，特别是Scala是一种高效、可拓展的语言，能够用简洁的代码处理较为复杂的处理工作。Spark具有很强的适应性，能够读取HDFS、Cassandra、HBase、S3和Techyon为持久层读写原生数据，能够以Mesos、YARN和自身携带的Standalone作为资源管理器调度job，来完成Spark应用程序的计算。
3. 用图文描述你所理解的Spark运行架构，运行流程。
