Spark基本概念

• Application：指的是用户编写的Spark应用程序/代码，包含了Driver功能代码和分布在集群中多个节点上运行的Executor代码
• Driver：Spark中的Driver即运行行数Application的Main()函数并且创建SparkContext，SparkContext负责和ClusterManager通信，进行资源的申请、任务的分配和监控等；
• Cluster Manager：指的是在集群上获取资源的外部服务，Standalone模式下由Master负责，Yarn模式下ResourceManager负责
• Executor：是运行在工作节点Worker上的进程，负责运行任务，并为应用程序存储数据，是执行分区计算任务的进程；
• RDD：Resilient Distributed Dataset弹性分布式数据集，是分布式内存的一个抽象概念；
• DAG：Directed Acyclic Graph有向无环图，反应RDD之间的依赖关系和执行流程；
• Job：作业，按照DAG执行就是一个作业，Job==DAG
• Stage：阶段，是作业的基本调度单位，同一个Stage中的Task可以并行执行，多个Task组成TaskSet任务集；
• Task：任务，运行在Executor上的工作单元，1个Task计算1个分区，包括pipline上的一系列操作