你和4.0区别在哪里？

我是一个人工智能语言模型，而4.0通常指的是某个产品或服务的版本号。如果你能提供更具体的背景信息，我可以更好地回答你的问题。

Apache Spark有四种运行模式：

1. Local Mode：在本地机器上启动Spark，用于开发和测试。

2. Standalone Mode：也称为Spark Standalone，是Spark自带的集群管理器，可以在多个节点上运行Spark应用程序，但它不支持资源预约和限制。

3. Apache Hadoop YARN：Spark可以在Hadoop的YARN上运行，由YARN管理资源和调度任务。

4. Apache Mesos：Mesos是一款通用的集群管理器，可以用于管理多种不同的应用程序，包括Spark。Spark可以在Mesos上运行，由Mesos管理资源和调度任务。

Spark on YARN有两种运行模式：YARN Client模式和YARN Cluster模式。

1. YARN Client模式：

在YARN Client模式下，Driver程序运行在客户端机器上，而Executor运行在集群中的YARN节点上。这意味着Driver程序不会占用集群资源，仅用于提交任务和监控任务进度。在这种模式下，用户可以交互式地与Driver程序交互，这对于开发和调试非常有用。

2. YARN Cluster模式：

在YARN Cluster模式下，Driver程序也在集群中的YARN节点上运行。这意味着Driver程序占用了集群资源。在这种模式下，用户无法交互式地与Driver程序交互，因为Driver程序运行在集群中的一个随机节点上。这种模式适用于生产环境中的任务提交，因为Driver程序的故障不会影响用户体验，因为它可以自动重新启动。

在Spark的cluster模式下，Driver程序运行在集群内部，无法直接在客户端上运行。但是，你可以通过Spark的Web UI来监控和管理Spark应用程序。默认情况下，Web UI在Driver程序所在的节点的4040端口上运行。因此，你可以通过在本地浏览器中输入"http://driver所在节点的IP地址:4040"来访问Web UI。

另外，你可以通过在Driver程序代码中添加一些代码来启用本地交互。例如，在Scala中，你可以添加以下代码：

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext
import org.apache.spark.sql.SparkSession

object App {
  def main(args: Array[String]) {
    val conf = new SparkConf().setAppName("MyApp")
    val sc = new SparkContext(conf)

    // Do some Spark operations

    // Enable local interactive mode
    if (sc.getConf.getOption("spark.driver.host").isEmpty) {
      val spark = SparkSession.builder().getOrCreate()
      println("Spark UI available at %s".format(spark.sparkContext.uiWebUrl))
      readLine("Press any key to exit")
      spark.stop()
    }
  }
}

这将启用本地交互模式，并在本地终端中显示Spark UI的URL。当你按下任意键时，应用程序将停止。请注意，这种方法只适用于测试和调试目的，不适用于生产环境中的Spark应用程序。