废话不多说,上个图:
下面我们开始进入正题:一键三连
1:基本的概念:
(1)RDD:是弹性分布式数据集(Resilient Distributed Dataset)的简称,是分布式内存的一个抽象的概念,提供了一种高度受限的共享内存模型。
(2)DAG:是有向无环图(Directed Acyclic Graph)的简称,反应RDD之间的依赖关系。
(3)Executor:是运行在工作节点(Worker Node)上的一个进程,负责运行任务,并为应用程序存储数据。
(4)Application:是用户编写的Spark应用程序。
(5)Task:是运行在Executor上的工作单元。
(6)Job:一个作业包含多个RDD及作用于相应RDD上的各种操作。
(7)Stage:是作业调度的最基本单位,一个作业会分为多组任务,每组任务被称为“阶段”