Application

用戶編寫的Spark應用程序。Application的main方法為應用程序的入口，用戶通過Spark的API，定義了RDD和對RDD的操作。

Job

?提供給Spark運行的作業，一個Application中以Action為劃分邊界往往會產生多個Job。Spark采用惰性機制，對RDD的創建和轉換並不會立即執行，只有在遇到Action時才會生成一個Job，然後統一調度執行。

Stage

每個Job以Shuffle為邊界劃分出的不同階段， 其名稱為Stage。Stage有非最終的Stage（Shuffle Map Stage）和最終的Stage（Result Stage）兩種。

在對Job中的所有操作劃分Stage時，一般會按照倒序進行：即從Action開始，遇到窄依賴操作，則劃分到同一個執行階段；遇到寬依賴操作，則劃分一個新的執行階段，且新的階段為之前階段的parent，然後依次類推遞歸執行。child Stage需要等待所有的parent Stage執行完之後才可以執行，這時Stage之間根據依賴關系構成了一個大粒度的DAG。在一個Stage內，所有的操作以串行的Pipeline的方式，由一組Task完成計算。

Task

真正執行的工作單元，對一個Stage之內的RDD進行串行操作的計算任務。多個Task組成一個Stage。

Task分為ShuffleMapTask和ResultTask兩種，位於最後一個Stage的Task為ResultTask，其他階段的屬於ShuffleMapTask。

Cluster Manager

在集群上獲取資源的外部服務。Cluster Manager可以為自帶的Standalone、或第三方的Yarn和Mesos。

Cluster Manager一般采用Master-Slave結構。以Yarn為例，部署ResourceManager服務的節點為Master，負責集群中所有計算資源的統一管理和分配；部署NodeManager服務的節點為Slave，負責在當前節點創建一個或多個具備獨立計算能力的JVM實例，在Spark中，這些節點也叫做Worker。

Executor

某個Application運行在worker節點上的一個進程，? 該進程負責運行某些Task，並將結果返回給Driver，同時為需要緩存的RDD提供存儲功能。

Driver

準備Spark應用程序的運行環境，負責執行用戶Application中的main方法，提交Job，並將Job轉化為Task，在各個Executor進程間協調Task的調度。

Spark有Client和Cluster兩種部署模式。Application以Client模式部署時，Driver運行於Client節點；而以Cluster模式部署時，Driver運行於Worker節點，與Executor一樣由Cluster Manager啟動。

DAGScheduler

根據Job構建DAG圖，將Job拆分成多個Stage並提交給TaskScheduler。

TaskScheduler

將Stage拆分成多個Task並提交給worker運行，Executor運行什麽Task就是在此處分配的。

2.spark基本概念