Spark核心概念名词

Application：用户程序建立在Spark上。由群集上的驱动程序和执行程序组成

Application jar：包含用户的Spark应用程序的jar。在某些情况下，用户需要创建一个包含其应用程序及其依赖项的“uber jar”。用户的jar不应该包含Hadoop或Spark库，但是，这些将在运行时添加。

Driver program：运行应用程序的main（）函数并创建SparkContext的进程

Cluster manager：用于获取群集资源的外部服务（例如Standalone，Mesos，YARN），在Standalone模式中即为Master（主节点），控制整个集群，监控Worker。在YARN模式中为资源管理器。

Worker node：从节点，负责控制计算节点，启动Executor。在YARN模式中为NodeManager，负责计算节点的控制。

Deploy mode：区分驱动程序进程的运行位置。在“cluster”模式下，框架在集群内部启动驱动程序。在“client”模式下，提交者在群集外部启动驱动程序。

SparkContext：Spark程序入口，控制应用的生命周期。

Executor：执行器，在worker node上执行任务的组件、用于启动线程池运行任务。每个Application拥有独立的一组Executors。

Task：一个Stage包含一到多个Task，通过多个Task实现并行运行的功能。

Job：甲并行计算由多个任务的是获取响应于Spark动作衍生（例如save，collect）; 你会在驱动程序的日志中看到这个术语

Stage：每个作业被分成较小的任务组，称为阶段，彼此依赖（类似于MapReduce中的map和reduce阶段）; 你会在驱动程序的日志中看到这个术语。

RDD：Spark的基本计算单元，一组RDD可形成执行的有向无环图RDD Graph。

DAG Scheduler：实现将Spark作业分解成一到多个Stage，每个Stage根据RDD的Partition个数决定Task的个数，然后生成相应的Task set放到TaskScheduler中。

TaskScheduler：将任务（Task）分发给Executor执行。（所以Executor执行的就是我们的代码）

Transformations：转换(Transformations) (如：map, filter, groupBy, join等)，Transformations操作是Lazy的，也就是说从一个RDD转换生成另一个RDD的操作不是马上执行，Spark在遇到Transformations操作时只会记录需要这样的操作，并不会去执行，需要等到有Actions操作的时候才会真正启动计算过程进行计算。（后面的wc例子就会有很好的说明）

Actions：操作(Actions) (如：count, collect, save等)，Actions操作会返回结果或把RDD数据写到存储系统中。Actions是触发Spark启动计算的动因。