感恩博主扎心了，老铁
Spark中的基本概念
- Application: 表示某个应用程序
- Driver: main()函数，创建SparkContext。由SparkContext与ClusterManager通信，进行资源的申请，任务的分配和监控等。在程序执行完毕之后关闭SparkContext。
- Excuter: 某个Application运行在一个节点的一个进程，负责运行某些Task，并将数据存在内存或者磁盘上。在Spark on Yarn模式下，其进程名称为 CoarseGrainedExecutor Backend，一个CoarseGrainedExecutor Backend进程有且仅有一个executor对象，它负责将Task包装成taskRunner，并从线程池中抽取出一个空闲线程运行Task，这样，每个CoarseGrainedExecutorBackend能并行运行Task的数据就取决于分配给它的CPU的个数。
- Worker: 集群中可以运行Application的节点，在Spark on Yarn模式下指DataNode。
- Task: task是被提交到executor上的work单元，每一个stage都有一些task，一个task对应一个partition。
- Job: Job是由一系列tasks组成的并行计算任务，它是由action类型的函数激活的，换言之没有action，job不会被提交。
- Stage: 每一个job都被划分为几个小的set，这些set被称之为stages，它们之间是相互依赖的。
- DAGScheduler: 根据Job构建基于Stage的DAG，并提交Stage给TaskScheduler，其划分Stage的依据是RDD之间的依赖关系
- TaskScheduler: 将TaskSet提交给集群(worker)运行。