在集群中运行程序通常涉及以下步骤：
启动集群管理器
对于Apache Spark，可以使用本地集群管理器、YARN或Mesos等集群管理器来管理资源和调度任务。
对于Hadoop，需要启动NameNode、ResourceManager、DataNode和NodeManager。
提交应用程序
使用`spark-submit`脚本提交Spark应用程序，指定主节点地址和其他参数。
对于Hadoop，可以使用`hadoop jar`命令运行MapReduce程序或Spark程序，并指定输入输出路径。
配置环境变量
将应用程序的jar文件添加到SPARK_CLASSPATH中，以便Spark能够找到并运行它。
对于Hadoop集群，确保所有节点都能够访问到所需的jar文件和动态链接库。
启动应用程序
`spark-submit`脚本负责启动驱动器程序，驱动器程序与集群管理器通信，申请资源以启动执行器节点。
集群管理器分配资源并启动ApplicationMaster，ApplicationMaster负责应用程序的整个生命周期，包括任务调度和资源管理。
执行任务
驱动器程序将应用程序代码发送给Master节点，Master节点根据代码进行任务调度，将任务分发给集群中的Worker节点。
Worker节点执行任务并将结果返回给Master节点，Master节点汇总结果并返回给客户端应用程序。
监控和调试
可以通过集群的Web界面或其他工具监控应用程序的运行状态和性能。
如果遇到问题，可以查看日志文件进行调试和定位错误。
示例
在Spark集群中运行程序
启动Spark集群
```bash
cd /usr/local/spark/sbin
./start-master.sh
./start-slaves.sh
```
提交Spark应用程序
```bash
bin/spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 examples/jars/spark-examples_2.11-2.0.2.jar 100 2>&1 | grep "Pi is roughly"
```
在Hadoop集群中运行程序
启动Hadoop集群
```bash
cd /usr/local/hadoop/sbin
./start-all.sh
```
运行MapReduce程序
```bash
hadoop jar ~/hadoop-3.1.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.0.jar pi 10 10
```
通过以上步骤，可以在不同类型的集群中运行程序，并监控和管理其执行情况。