当一个job提交后，最后一个RDD执行action算子从所有的父级依赖查找shuffle依赖，找到shuffle依赖后创建一个shuffle map stage，在stage中的必定是narrow依赖，narrow依赖中的是task任务，有多少个partition就有多少个task，多个task称作taskset任务集，一个任务集就是一个stage，task在进程上运行，运行完后释放所有资源。
RDD（弹性分布式数据集）：是一个抽象概念，spark计算过程中一个瞬时结果。
shuffle依赖：宽依赖，父级RDD的分区被子级RDD多个分区所使用。
narrow依赖：窄依赖，父级RDD的分区被子级RDD一个分区使用。
task：是spark中最小的计算单元。
有不对的地方还希望有大神指出来，及时改正，感谢。