在coresrcmainscalaorgapachesparkSparkContext.scala 路径下，查看SparkContext主类，类中除了方法不执行，其他都执行。

在这里可以看到，一个Executor默认内存是1024M

在这里启动了调度程序，并返回了一个二元组，进入createTaskScheduler方法：

方法中会对提交模式进行匹配：

不同的提交模式，对应不同的逻辑，这里以standalone模式为例：

new了一个TaskSchedulerImpl()对象，对象中传入了sc(SparkContext对象)，然后将scheduler封装，创建一个StandaloneSchedulerBackend对象，然后将scheduler进行初始化，返回一个二元组（backend，scheduler）（StandaloneSchedulerBackend，TaskSchedulerImpl）两个对象。

回到最初的调度程序模块，可以看到后续代码，执行了返回对象TaskSchedulerImpl对象的start()方法：

TaskSchedulerImpl中封装了schedulerBackend对象，这里启动的start()方法，就是schedulerBackend对象的 start()方法。

在backend.start()方法有调用了父类的start()方法

在当前的worker中的RPC队列中，创建了一个Endpoint这里完成了Driver对象的注册

ENDPOINT_NAME = "CoarseGrainedScheduler"是driver的名称，也就是在new SparkContext的时候创建了Driver这个Driver的名称是CoarseGrainedScheduler

注册完成之后，StandaloneSchedulerBackend继续往下执行，创建了一个Command对象，然后将Commond对象传入appDesc中，再将appDesc传入client中，之后启动client，向Driver注册application的信息

进入client的start方法，主要设置了rpcEnv.setupEndpoint ，并在其中创建传入了 ClientEndpoint对象。

进入ClientEndpoint对象中在onStart()方法中，会向所有的Master注册当前的application信息，为了保证Master的高可靠，会在集群中创建多个Master

在tryRegisterAllMasters方法中，会去遍历所有的Master地址，然后获取Master的通信邮箱的EndPoint的引用，然后注册一个application

至此Application信息提交到了Master端，进入Master端的RegisterApplication方法中，会先判断Master的状态，如果Master的状态是standBy，那么就忽略，不回复。这里根据Driver端传过来的Driver，Application信息创建了一个application对象。description中有一个command对象，对象中存放了Driver的名称，CoarseGrainedScheduler。

在registerApplication方法中，将要注册的app放在waitingApp中，waitingApps是一个ArrayBuffer

最后再调用RegisterApplication中的scheduler方法，在schedule()方法中，给注册的Application申请资源

在scheduler启动driver，driver启动之后，waitingDrivers--，然后跳出for循环，执行startExecutorsOnWorkers方法。