說明：本文是我從spark官方文檔上翻譯總結+個人理解的，如有不恰當和理解偏差的地方，請大家指出，一起交流學習！
翻譯來源 http://spark.apache.org/docs/latest/programming-guide.html
1.每個spark應用均包含一個drive program作爲當前應用的入口，每個spark應用的核心抽象就是RDD（resilient distributed dataset，用於並行操作集羣上的節點的被劃分的元素集合）。
2.RDD被創建的兩種方式：
（1）由drive program內部存在的集合創建
（2）由外部文件系統創建（如：hdfs上的file）
3.Spark中的共享變量
說明：Spark中的共享變量常用於並行操作中，在應用中，一個變量需要在一個任務中或任務與drive program之間被共享。
Spark中提供了兩種類型的共享變量：
（1）broadcast variables（在集羣的所有節點上緩存到內存中的值）
（2）accumulators（計數操作，如：counters和sums）
4.spark應用程序中的核心對象SparkContext
SparkContext：spark應用程序的上下文環境，用於告訴應用如何去訪問集羣，如何對集羣中的節點進行操作。
創建方法：new SparkContext(new SparkConf().setAppName(appName).setMaster(master))
說明：appName參數是用於顯示在webUI上的當前spark應用的名字，master是部署運行當前應用程序的節點url。在創建一個新的SparkContext對象之前一定要將當前active狀態的SparkContext對象stop()
5.Spark-shell
Spark-shell是spark包內置的一個交互式shell，當在spark安裝目錄下執行./spark-shell命令後，SparkContext對象自動創建（創建後對象的引用爲sc），即可直接使用。
6.RDD操作
RDD支持兩種類型的操作：
（1）transformations：轉換操作，用於創建新的數據集。如：map、filter操作
（2）actions：響應操作，計算數據集後向drive program返回值。如：reduce、collect操作
說明：
（1）spark中所有的轉換transformations操作均爲lazy的（當採取transformations操作時不會立即計算，只是僅僅記住自己需要做的事情，除非當一個action操作發生時。這樣的設計對於應用的運行效率會有相當大的提升）
（2）Spark默認的是：當在同一個RDD執行action操作時，每次被transformations的RDD可能會被重計算，因此，爲了提升效率，spark中提供了緩存機制（利用cache方法，如：rdd.cache）。