Hadoop的MR结构和YARN结构是大数据时代的第一代产品，满足了大家在离线计算上的需求，但是针对实时运算却存在不足，为满足这一需求，后来的大佬研发了spaRk计算方法，大大的提高了运算效率。
SpaRk的计算原理
spaRk的结构为：
节点介绍：
ClUSteR ManageR：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负责分配资源，有点像YARN中ResouRceManageR那个角色，大管家握有所有的干活的资源，属于乙方的总包。 WoRkeRNode：可以干活的节点，听大管家ClUSteRManageR差遣，是真正有资源干活的主。从节点，负责控制计算节点，启动ExecuTor或者DRiveR。 ExecuTor：在WoRkeRNode上起的一个进程，相当于一个包工头，负责准备Task环境和执行。 Task：负责内存和磁盘的使用。Task是施工项目里的每一个具体的任务。 DRiveR：统管Task的产生与发送给ExecuTor的，运行application 的MAIn()函数，是甲方的司令员。 SpaRkcontext：与ClUSteRManageR打交道的，负责给钱申请资源的，是甲方的接口人。
整个互动流程是这样的：
甲方来了个项目，创建了SpaRkcontext，SpaRkcontext去找ClUSteRManageR申请资源同时给出报价，需要多少CPU和内存等资源。ClUSteRManageR去找WoRkeRNode并启动ExcuTor，并介绍ExcuTor给DRiveR认识; DRiveR根据施工图拆分一批批的Task，将Task送给ExecuTor去执行; ExecuTor接收到Task后准备Task运行时依赖并执行，并将执行结果返回给DRiveR; DRiveR会根据返回回来的Task状态不断的指挥下一步工作，直到所有Task执行结束;
运行流程及特点为：
SpaRkcontext的作用：一是分发task，申请资源等功能外，更重要的一个功能是将RDD拆分成task，即绘制DAG图。
借用上图我们再来了解一下spaRk的运算过程：
构建SpaRk application的运行环境，启动SpaRkcontext; SpaRkcontext向资源管理器(可以是Standalone，Mesos，YaRn)申请运行ExecuTor资源，并启动StandaloneExecuTorbackend; ExecuTor向SpaRkcontext申请Task; SpaRkcontext将应用程序分发给ExecuTor; SpaRkcontext构建成DAG图，将DAG图分解成Stage、将Taskset发送给Task ScheduleR，最后由Task ScheduleR将Task发送给ExecuTor运行; Task在ExecuTor上运行，运行完释放所有资源;
RDD计算案例
我们用一个案例来分析RDD的计算过程：
在客户端通过RDD构建一个RDD的图形，如图第一部分Rdd1.join(Rdd2).gRoupby(&hellIP;).filteR(&hellIP;)。 spaRkcontext中的DAGScheduleR会将上步的RDD图形构建成DAG图形，如图第二部分; TaskScheduleR会将DAG图形拆分成多个Task; ClUSteRManageR通过YaRn调度器将Task分配到各个node的ExecuteR中，结合相关资源进行运算。
DAGScheduleR对于RDD图形的划分是有一定规律的：
stage的划分是触发action的时候从后往前划分的，所以本图要从RDD_G开始划分。 RDD_G依赖于RDD_B和RDD_F，随机决定先判断哪一个依赖，但是对于结果无影响。 RDD_B与RDD_G属于窄依赖，所以他们属于同一个stage，RDD_B与老爹RDD_A之间是宽依赖的关系，所以他们不能划分在一起，所以RDD_A自己是一个stage1; RDD_F与RDD_G是属于宽依赖，他们不能划分在一起，所以最后一个stage的范围也就限定了，RDD_B和RDD_G组成了Stage3; RDD_F与两个爹RDD_D、RDD_E之间是窄依赖关系，RDD_D与爹RDD_C之间也是窄依赖关系，所以他们都属于同一个stage2; 执行过程中stage1和stage2相互之间没有前后关系所以可以并行执行，相应的每个stage内部各个paRtITion对应的task也并行执行; stage3依赖stage1和stage2执行结果的paRtITion，只有等前两个stage执行结束后才可以启动stage3; 我们前面有介绍过SpaRk的Task有两种：ShuFFleMapTask和ResultTask，其中后者在DAG最后一个阶段推送给ExecuTor，其余所有阶段推送的都是ShuFFleMapTask。在这个案例中stage1和stage2中产生的都是ShuFFleMapTask，在stage3中产生的ResultTask; 虽然stage的划分是从后往前计算划分的，但是依赖逻辑判断等结束后真正创建stage是从前往后的。也就是说如果从stage的ID作为标识的话，先需要执行的stage的ID要小于后需要执行的ID。就本案例来说，stage1和stage2的ID要小于stage3，至于stage1和stage2的ID谁大谁小是随机的，是由前面第2步决定的。
ExecuTor是最终运行task的苦力，他将Task的执行结果反馈给DRiveR，会根据大小采用不同的策略：
如果大于MaxResultSize，默认1G，直接丢弃; 如果“较大&Rdquo;，大于配置的fRaMeSize(默认10M)，以taksId为key存入BlockManageR else，全部吐给DRiveR。