数据划分，rdd分区
https://www.jianshu.com/p/3aa52ee3a802
https://blog.csdn.net/hjw199089/article/details/77938688
https://blog.csdn.net/mys_35088/article/details/80864092
https://blog.csdn.net/dmy1115143060/article/details/82620715
https://blog.csdn.net/xxd1992/article/details/85254666
https://blog.csdn.net/m0_46657040/article/details/108737350
https://blog.csdn.net/heiren_a/article/details/111954523
https://blog.csdn.net/u011564172/article/details/53611109
https://blog.csdn.net/qq_22473611/article/details/107822168
https://www.jianshu.com/p/3aa52ee3a802
1 application，job，stage，task，record
0 application
任务
1 Job
一个action 一个job
2 Stage
一个job根据rdd的依赖关系构建dag，根据dag划分stage，一个job包含一个或者多个stage
3 Task
stage根据rdd的分区数决定task数量
4 record
一个task 对应很多record，也就是多少行数据
例子
这里应该是 rdd的分区数决定task数量，task数量决定inputsplit数量，然后决定block的组合
https://juejin.cn/post/6844903848536965134
2 rdd分区
为什么分区？
分区的主要作用是用来实现并行计算，提高效率
分区方式
Spark包含两种数据分区方式：HashPartitioner（哈希分区）和RangePartitioner（范围分区）
分区数设置