- 什么是RDD？RDD有什么特点？能否携带数据？
RDD：叫做弹性分布式数据集
特点：不可变，可分区，里面的元素可以并行计算的集合。
不能携带数据，类似于java当中的接口，携带的是元数据。
- 依赖关系
窄依赖：父RDD的一个分区只能被子RDD的一个分区所依赖=》独生子女
宽依赖：父RDD的一个分区会被子RDD的多个分区所依赖=》超生子女
- 分区方式
非key，value对的数据，分区方式为None；
Key，value对的数据，默认分区方式也为None，但是，可以指定分区方式。
- RDD算子分类
RDD算子一共分为两类，一类是transformation（转换算子），一类是action（执行算子）。
Transformation：转换算子，惰性计算，只做连接不运算，只有遇到action才会带动转换算子进行运算。
Action：执行算子，带动转换算子运算并将结果进行输出。
- yarn模式
Yarn模式分为两种，一种是yarn on client；一种是yarn on cluster。
Yarn on client：driver运行在当前机器上。一般都是学习测试使用。
Yarn on cluster：driver运行在集群当中的某一台机器上。生产开发使用。
- stage划分
根据RDD的执行流程，构建DAG有向无环图，构建好图后，采用回溯方法，从后往前推，遇到窄依赖包含到当前stage中，遇到宽依赖就断开，形成stage。
- 术语总结
一个DAG=多个stage
一个stage=一个taskSet
一个taskSet=多个task
- 如何区分转换算子、执行算子？
转换算子：返回值类型是RDD的就是转换算子。
执行算子：返回值类型不是RDD的就是执行算子。
- local模式
Local：表示本地开启一个线程去执行任务。
Local[N]：N是一个具体的数字，表示本地开启N个线程去执行任务。
Local[*]：*是一个固定的，表示本地有多大资源就用多大资源。
