Spark支持local、Standalone和Cluster三种并行运行模式【参考：】。

• local，单机运行模式。
• Standalone，Spark自己构建的独立集群。
• Cluster，运行在Mesos/YARN/Kubernetes等集群环境中，从而可以让Spark与其他的应用协调资源。

参考：

Docker作为应用“集装箱”，提供了Swarm集群运行环境( 最新版为swarmkit，参考： )，也可以运行于Mesos/Kubernetes等集群环境中。

将Spark部署于Docker中，可以提供单机运行和手动的Standalone运行，也可以同时支持Swarm/Mesos/YARN/Kubernetes集群环境。

部署方式：

• 1、需要将Spark分为Master和Slave两种部署模式，创建两类Spark容器（或者创建为一个通用容器，通过启动参数判断节点将启动为Master还是Slave模式）。

• 2、通过启动参数环境变量将Spark启动参数传递进Docker。

• 3、在容器启动时，设置Spark节点启动，并且Slave节点自动连接到Master节点。

理论上，可以在一个Docker中启动多个Spark节点，但这会带来管理和负载均衡的复杂性。

建议将每一个Spark节点配置为一个Docker，从而将负载均衡的事交给Docker上的集群环境去做。

通过OpenStack for Docker、Rancher和SuperMap CloudManager等虚拟机和容器管理系统都可以设置和启动一个Spark的Docker或虚拟机的集群。