Spark特點：

• 大資料分散式計算框架，記憶體計算
• 分散式計算
• 記憶體計算 中間結果在記憶體 迭代
• 容錯性
• 多計算正規化

四大核心擴充套件功能：
Spark SQL：Sql on hadoop系統,提供互動式查詢、能夠利用傳統的視覺化工具
在Spark上進行類似SQL的查詢操作，報表查詢等功能
GraphX：圖計算引擎，大規模圖運算，pagerank

MLlib：聚類分類 分類 推薦 等機器學習演算法

*Application(應用程式)

    就是你自己的編寫的程式程式碼，其中包含了驅動（Driver）部分和執行部分（Executor）這倆部分，注意！！一個spark叢集可以同時有很多Application
*Driver(驅動程式)
    就是上一個概念的裡的Application的mian函式（一定要有SparkContext）,其中SC是為了準備程式的執行環境（主要與ClusterManager通訊），進行資源的排程分配以及監控等。（Ps：一般的SparkContext就是代表Driver）。
*Worker（工作節點）
    這個這是開始配置的slaves檔案機器，是master的小弟，它裡面放的是Executor
*Executor（執行程序）
    Application就是執行在Worker節點的程序，這個程序負責執行Task，並且將資料存在記憶體或者磁碟上，在後面spark on yarn 程序名字是CoarGraineExecutorBackend，說白了就是真正執行的時候是在這個上面執行，然後將結果返回到寫Application的機器上。
*Cluster Manager

    根據字面理解就是資源管理器，一般的我們初學都是使用standalone就是spark的原生管理，還有hadoop yarn以後會用到，Mesos等資源管理器

************************介紹一個小白自己發現的細節（大佬忽略！！！）********************************

我在自己學習的時候有個時候檔案比較大800M左右，最後我把它列印了，然後就報錯了！！！，後來瞭解到我們遠端提交的job，叢集會在結束之後看我們要不要求檢視結果，如果你最就是是要求檢視，輸出資料量太大，記憶體容易爆掉！！如果以後開發輸出結果一般很大我們應該避免使用直接列印結果，我們應該養成將計算結果持久化在硬碟上的好習慣