1、Spark解决什么问题？
海量数据的计算可以进行离线批处理以及实时流计算。
2、Spark有哪些模块？
核心SparkCore、SQL计算（SparkSQL）、流计算（SparkStreaming）、图计算（Graphx）、机器学习（MLlib）
3、Spark有哪些特点？
速度快、使用简单、通用性强、支持多种模式运行
4、Saprk的运行模式
本地模式
集群模式（StandAlone、YARN、K8S）
云模式
5、Spark的运行角色（对比YARN）
Master：集群资源管理（类同ResourceManager）
Worker：单机资源模式（类同NodeManager）
Driver：单任务管理者（类同ApplicationMaster）
Executor：单任务执行者（类同YARN容器内的Task）
Yarn、Spark架构对比
1、YARN主要有4类角色，从两个层面去看：
# 资源管理层面
1、集群资源管理者（Master）:ResourceManger（RM）
2、单机资源管理者（Worker）:NodeManger
# 任务计算层面
1、单任务管理者（Master）:ApplicationMaster
2、单任务执行者（Worker）:Task(容器内计算框架的工作角色)
2、Spark主要有4类角色，从两个层面去看：
# 资源管理层面
1、集群资源管理者:Master
2、单机资源管理者:Worker
# 任务计算层面
1、单任务管理者:Driver
2、单任务执行计算者:Executor (干活的)
