窄依賴、寬依賴以及stage的划分依據：https://www.cnblogs.com/itboys/p/6673046.html
參考： http://blog.csdn.net/u012684933/article/details/51028707
參考： http://blog.csdn.net/dax1n/article/details/53431373
參考： http://blog.csdn.net/qq_14950717/article/details/52871666
repartition(numPartitions:Int)和coalesce(numPartitions:Int，shuffle:Boolean=false)
作用：對RDD的分區進行重新划分，repartition內部調用了coalesce，參數shuffle為true
例：RDD有N個分區，需要重新划分成M個分區
1. N小於M
一般情況下N個分區有數據分布不均勻的狀況，利用HashPartitioner函數將數據重新分區為M個，這時需要將shuffle設置為true。
2. N大於M且和M相差不多
假如N是1000，M是100)那么就可以將N個分區中的若干個分區合並成一個新的分區，最終合並為M個分區，這時可以將shuff設置為false，在shuffl為false的情況下，如果M>N時，coalesce為無效的，不進行shuffle過程，父RDD和子RDD之間是窄依賴關系。
3. N大於M且和M相差懸殊
這時如果將shuffle設置為false，父子RDD是窄依賴關系，他們在同一個Stage中，就可能造成Spark程序的並行度不夠，從而影響性能，如果在M為1的時候，為了使coalesce之前的操作有更好的並行度，可以講shuffle設置為true。
總結：返回一個減少到numPartitions個分區的新RDD，這會導致窄依賴，例如：你將1000個分區轉換成100個分區，這個過程不會發生shuffle，相反如果10個分區轉換成100個分區將會發生shuffle。然而如果你想大幅度合並分區，例如所有partition合並成一個分區，這會導致計算在少數幾個集群節點上進行（言外之意：並行度不夠）。為了避免這種情況，你可以將第二個shuffle參數傳遞一個true，這樣會在重新分區過程中多一步shuffle，這意味着上游的分區可以並行運行。
總之：如果shuff為false時，如果傳入的參數大於現有的分區數目，RDD的分區數不變，也就是說不經過shuffle，是無法將RDD的partition數變多的