Spark(web：默认值是8080，但是这个端口号容易被占用，顺势+1；提交任务端口号：7077)
一、RDD
RDD是spark最底层的核心抽象，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。
二、lineage（血统）
RDD与RDD之间的依赖关系，依赖的就是血统。
三、DAG有向无环图
本质上描述的就是RDD的执行流程。
四、依赖关系
在spark当中，依赖关系分为两类：一类是窄依赖（NarrowDependency）；一类叫做宽依赖（ShuffleDependency）。
窄依赖：父RDD当中的一个分区只能被子RDD当中的一个分区所依赖。类似于独生子女。
宽依赖：父RDD当中的一个分区会被子RDD当中的多个分区所依赖。类似于超生子女。
五、代码当中的本地模式
local:表示本地开启一个线程模拟集群运行。
local[N]:N代表的是一个具体的数，表示本地开始N个线程模拟集群运行。
local[*]:表示本地有多大资源就用多大资源去模拟运行。
六、函数式编程算子
map：映射。针对列表当中的每一个元素进行操作，操作完成后返回一个新的列表，操作之前是多少个元素，操作之后还是多少个元素，不会增加，不会减少。
七、分区方式
spark当中一共有两种分区方式：一种是hash，一种是range。
非key，value对的数据分区方式为None；key，value对的数据分区方式默认也为None，但是可以指定分区方式。