回到CoarseGrainedExecutorBackend端，在接收到RegisteredExecutor消息后，创建executor对象，创建完毕的Executord对象，用于之后执行Driver分配Taskexecutor的启动，调用fetchAndRunExecutor方法，创建ProcessBuilder，用于执行命令启动CoarseGrainedExecutorBackend。

看看CoarseGrainedExecutorBackend

main方法是一切函数入口：

1. createFn中创建一个CoarseGrainedExecutorBackend对象
2. 创建对象传入了运行依赖的变量参数： rpcEnv，arguments（driverUrl，executorId，hostname，cores，userClassPath，resourcesFileOpt），env
3. 核心是run方法
4. System.exit(0)异常跳出

run方法

看一下run方法

run方法位于CoarseGrainedExecutorBackend的伴生对象中，方法中做了如下操作

1. 创建名为fetcher的RpcEnv
2. 向driver发送消息RetrieveSparkAppConfig，获取spark属性信息
3. 获取driver回复的消息，将属性信息添加到Seq队列，然后关闭fetcher RpcEnv
4. 创建executor自己的sparkConf，将刚获取的属性信息添加到sparkConf中
5. 调用SparkEnv.createExecutorEnv方法，创建executor sparkEnv
6. 创建CoarseGrainedExecutorBackend实例，并注册到自身的Executor Env的rpcEnv中
7. 创建WorkerWatcher,用于当worker发生异常情况时，关闭CoarseGrainedExecutorBackend
8. 等待rpcEnv退出

在run方法中，创建了CoarseGrainedExecutorBackend实例，并注册到自身的Executor Env的rpcEnv中，在注册到RpcEnv的过程中会触发CoarseGrainedExecutorBackend的onStart方法，执行该方法，onStart方法中，向driver发送了RegisterExecutor消息，即向CoarseGrainedSchedulerBackend发送RegisterExecutor消息

到CoarseGrainedSchedulerBackend端，接受到消息后，做出如下处理：

1. 判断executor是否重复注册
2. 添加内存缓存，向addressToExecutorId hashMap中添加executor id与rpc Address信息
3. 增加totalCoreCount总数，以表示drvier已经获得的core总数
4. 向已注册的executor总数集合中加1
5. 封装ExecutorData对象
6. 将分装的ExecutorData对象，executor Id添加到executorDataMap缓存中
7. 更新currentExecutorIdCounter、numPendingExecutors信息
8. 向CoarseGrainedExecutorBackend发送消息Executor注册成功
9. 向listenerBus投递SparkListenerExecutorAdded事件
10. 调用makeOffer方法，给Task分配资源

回到CoarseGrainedExecutorBackend端，在接收到RegisteredExecutor消息后，创建executor对象，创建完毕的Executord对象，用于之后执行Driver分配Task

CoarseGrainedExecutorBackend的启动部分完结 - -