当我们在命令行中输入时spark-shell会自动转化spark shell界面。我们可以在这个界面中完成spark操作。那么，这个过程是怎么进行的呢？
当我们在命令行中输入时spark-shell调用时，调用是spark/bin/spark-shell脚本。以下是spark-shell脚本中的一些代码：
function main() { if $cygwin; then stty -icanonmin 1 -echo > /dev/null 2>&1 export SPARK_SUBMIT_OPTS="$SPARK_SUBMIT_OPTS -Djline.terminal=unix" "$FWDIR"/bin/spark-submit --class org.apache.spark.repl.Main "${SUBMISSION_OPTS[@]}" spark-shell "${APPLICATION_OPTS[@]}" sttyicanon echo > /dev/null 2>&1 else export SPARK_SUBMIT_OPTS "$FWDIR"/bin/spark-submit --class org.apache.spark.repl.Main "${SUBMISSION_OPTS[@]}" spark-shell "${APPLICATION_OPTS[@]}" fi }我们可以清楚地看到上面的代码，main()调用方法spark-submit脚本。我们前往spark-submit查看脚本，发现spark-submit又调用了spark-class脚本。
exec "$SPARK_HOME"/bin/spark-class org.apache.spark.deploy.SparkSubmit "${ORIG_ARGS[@]}" 调用了spark-class脚本，并输入多个参数，其中一个是org.apache.spark.deploy.SparkSubmit。spark-class脚本接收输入参数并执行以下句子。
if [ -n "${JAVA_HOME}" ]; then RUNNER="${JAVA_HOME}/bin/java" else if [ `command -v java` ]; then RUNNER="java" else echo "JAVA_HOME is not set" >&2 exit 1 fi fi exec "$RUNNER" -cp "$CLASSPATH" $JAVA_OPTS "$@"上述句子的最后一条表示启动java程序（org.apache.spark.deploy.SparkSubmit）。在这个时候，我们应该知道Spark启动了以SparkSubmit为主类的jvm进程。
以上是脚本之间的调用，然后进入spark shell在环境中，系统自动生成conf，sc是怎么得到的？
通过使用jvisualvm工具来dump main信息显示如下：
"main" - Thread t@1 java.lang.Thread.State: RUNNABLE ... at org.apache.spark.repl.SparkILoop.process(SparkILoop.scala:916) at org.apache.spark.repl.SparkILoop.process(SparkILoop.scala:1011) ... at org.apache.spark.repl.Main.main(Main.scala) ... at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:75) at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala) ... 从main程序的调用顺序可以在线程的栈信息中看到:SparkSubmit.main→repl.Main→SparkILoop.process。SparkILoop.process该方法将被调用initializeSpark方法，initializeSpark实现如下：
def initializeSpark() { intp.beQuietDuring { command(""" @transient val sc = { val _sc = org.apache.spark.repl.Main.interp.createSparkContext() println("Spark context available as sc.") _sc } """) command("import org.apache.spark.SparkContext._") } }我们可以从上述代码中找到它sc创建是通过的createSparkContext()完成方法。然后，输出Spark context available as sc.”，并将sc返回，同时导入SparkContext包下的所有类别或对象。我们再看下createSparkContext()方法，看看他的内部是如何实现的。
def createSparkContext(): SparkContext = { val execUri = System.getenv("SPARK_EXECUTOR_URI") val jars = SparkILoop.getAddedJars val conf = new SparkConf() .setMaster(getMaster()) .setAppName("Spark shell") .setJars(jars) .set("spark.repl.class.uri", intp.classServer.uri) if (execUri != null) { conf.set("spark.executor.uri", execUri) } sparkContext = new SparkContext(conf) logInfo("Created spark context..") sparkContext }我们创建了这种方法conf对象，并对conf做了一些配置，比如setMaster(),setAppName()等操作，然后调用new SparkContext(conf)来创建sc。然后打印出日志INFO SparkILoop: Created spark context.”，并将sc返回。
通过上述一系列操作，对spark shell初步完成了环境的初始化。如下图所示：
