此文为个人学习笔记如需系统学习请访问http://dblab.xmu.edu.cn/blog/1709-2/
基本概念
* 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概念,提供了一种高度受限的共享内存模型;
* DAG:是Directed Acyclic Graph(有向无环图)的简称,反映RDD之间的依赖关系;
* 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;
* 应用:用户编写的Spark应用程序;
* 任务:运行在Executor上的工作单元;
* 作业:一个作业包含多个RDD及作用于相应RDD上的各种操作;
* 阶段:是作业的基本调度单位,一个作业会分为多组任务,每组任务被称为“阶段”,或者也被称为“任务集”。