Spark基本架構圖如下：

Client：客戶端程序，負責提交作業。

Driver：一個Spark作業有一個spark context，一個Spark  Context對應一個Driver程序，作業的main函式執行在Driver中。Driver主要負責Spark作業的解析，以及通過DAGSchduler劃分stage，將Stage轉化成TaskSet提交給TaskScheduler任務排程器，進而排程Task到Executor上執行。

Executor：負責執行Driver分發的Task任務。叢集中一個節點可以啟動多個Executor，每個Executor可以執行多個Task任務。

Cache：Spark提供了對RDD不同級別的快取策略，分別可以快取到記憶體、磁碟、外部分散式記憶體儲存系統如Tachyon等。

Applicatio：提交的一個作業就是一個Appliation。一個Application只有一個Spark Context。

Job：RDD執行一次Action操作應付生成一個Job。

Task：Spark執行的基本單位，負責 處理RDD的計算邏輯。

Stage：DAGScheduler將Job劃分為多個Stage，Stage的劃分界限為Shuffle的產生，Suffle標誌著上一個Stage的結束和下一個Stage的開始。

TaskSet：劃分的Stage會轉換成一組相關聯的任務集。

RDD（Resilient Distributed Dataset）：彈性分散式資料集，可以理解為一種只讀的分散式多分割槽的陣列，Spark計算操作都是基於RDD進行的，下面會有詳細介紹。

DAG（Directed Acyclic Graph）：有向無環圖。Spark實現了DAG的計算模型，DAG計算模型是指將一個計算任務按照計算規則分解為若干子任務，這些子任務之間根據邏輯關係構建成有向無環圖。