看了spark的原始論文和相關資料，對spark中的一些經常用到的術語做了一些梳理，記錄下。
1，Application
application（應用）其實就是用spark-submit提交的程序。比方說spark examples中的計算pi的SparkPi。一個application通常包含三部分：從數據源（比方說HDFS）取數據形成RDD，通過RDD的transformation和action進行計算，將結果輸出到console或者外部存儲（比方說collect收集輸出到console）。
2，Driver
Spark中的driver感覺其實和yarn中Application Master的功能相類似。主要完成任務的調度以及和executor和cluster manager進行協調。有client和cluster聯眾模式。client模式driver在任務提交的機器上運行，而cluster模式會隨機選擇機器中的一台機器啟動driver。從spark官網截圖的一張圖可以大致了解driver的功能。
3，Job
Spark中的Job和MR中Job不一樣不一樣。MR中Job主要是Map或者Reduce Job。而Spark的Job其實很好區別，一個action算子就算一個Job，比方說count，first等。
4, Task
Task是Spark中最新的執行單元。RDD一般是帶有partitions的，每個partition的在一個executor上的執行可以任務是一個Task。
5, Stage
Stage概念是spark中獨有的。一般而言一個Job會切換成一定數量的stage。各個stage之間按照順序執行。至於stage是怎么切分的，首選得知道spark論文中提到的narrow dependency(窄依賴)和wide dependency（ 寬依賴）的概念。其實很好區分，看一下父RDD中的數據是否進入不同的子RDD，如果只進入到一個子RDD則是窄依賴，否則就是寬依賴。寬依賴和窄依賴的邊界就是stage的划分點。從spark的論文中的兩張截圖，可以清楚的理解寬窄依賴以及stage的划分。
至於為什么這么划分，主要是寬窄依賴在容錯恢復以及處理性能上的差異（寬依賴需要進行shuffer）導致的。
關於spark這幾個術語的了解暫時就這么多，可能不是很到位，不過暫且就這么多了。