Spark 核心之资源调度以及任务调度过程详解
本文以时间线梳理Spark两大调度：资源调度（6步）完成Executor启动，任务调度（7步）实现Task分发执行。全程结合源码与原创流程图，厘清spark-submit到Task运行的端到端机制，助你构建清晰调度心智模型。（239字）
Spark 核心之 Stage 和 Task 原理剖析
Spark中，Job由Action触发，DAGScheduler依Shuffle依赖切分为Stage：前序为ShuffleMapStage（生成中间文件），末尾为ResultStage（产出结果）；每个Stage按分区数生成对应ShuffleMapTask或ResultTask。本文深度解析Stage划分、Task生成与序列化机制。（239字）
Spark 核心之 ClusterManager 原理剖析
本文深度解析 Spark 的 ClusterManager 抽象层：通过 ExternalClusterManager 接口与 ServiceLoader 机制，统一适配 Standalone/YARN/K8s 三大资源管理器。详解 Master URL 路由、源码实现对比及自定义扩展方法，揭示 Spark “调度不变、资源可插拔”的核心设计哲学。（239字）
Scala循环与判断：一切皆表达式的控制流
本文详解Scala控制流的“表达式思维”：if、for、match、try等皆为有返回值的表达式，而非Java式的语句。通过对比Java命令式写法，揭示Scala如何用for推导式生成集合、用match替代switch、用Try处理异常，助Java开发者完成函数式思维跃迁。（239字）
Spark 核心之 Application 和 Job 原理剖析
本文深入剖析Spark执行层级体系，厘清Application、Job、Stage、Task四层关系：1个Application可含多个Job（每个Action触发1个），Job按ShuffleDependency切分为Stage，Stage内Task数=分区数。结合源码链路、架构图与实战案例，助你彻底掌握Spark调度本质。（239字）
Spark 核心之广播变量、累加器原理深度剖析
本文深度解析Spark两大分布式共享变量：**广播变量**（基于TorrentBroadcast的BitTorrent分块分发机制，实现大对象高效只读共享）与**累加器**（基于AccumulatorV2的copyAndReset→merge回传模型，支持跨任务零开销聚合统计），涵盖底层原理、源码剖析与避坑实践。（239字）
Spark 核心之 YARN-Cluster 模式：原理、流程与源码级深度拆解
YARN-Cluster是Spark生产环境唯一推荐的部署模式：ApplicationMaster即Driver，SparkContext、DAGScheduler等全运行于AM Container中，实现资源隔离、去客户端化、HDFS本地性与AM重试容错。spark-submit提交后即可退出，全生命周期由YARN托管。（239字）
Spark 核心之 Client 模式提交命令和特点分析
本文深度解析 Spark Client 模式核心——`spark-submit` 命令，涵盖命令全景、Standalone/YARN-Client 对比、六大参数详解、四种实战场景、参数优先级机制，并配原创架构图与可运行示例，助你彻底掌握 Driver 位置、资源分配与配置逻辑。（239字）
Spark 核心之 Executor 与线程池原理剖析
本文深度剖析 Spark Executor 内部机制：从 CoarseGrainedExecutorBackend 通信、固定大小线程池与 TaskRunner 执行流程，到 UnifiedMemoryManager 内存管理、BlockManager 存储体系，结合源码与架构图，带你透彻理解这一核心计算单元。（239字）
