简述spark重要术语：RDD;DAG;Executor;Application;Task;Job;Stage

1. RDD（Resilient Distributed Datasets）：弹性分布式数据集，是Spark中最基本的数据抽象，是一个不可变的分布式对象集合，可以并行计算。RDD可以通过从Hadoop InputFormat中读取数据、在Spark中的其他RDD转换操作和从外部存储系统中获取数据创建。

2. DAG（Directed Acyclic Graph）：有向无环图，它表示Spark任务执行的依赖关系。每个Spark应用程序都会生成一个DAG，用于描述任务之间的依赖关系。

3. Executor：执行器，是Spark中执行计算任务的工作进程。一个Spark应用程序可以由多个Executor组成，每个Executor都运行在独立的JVM进程中，负责运行Spark应用程序中的任务。

4. Application：Spark应用程序，是一个包含了用户编写的Spark任务代码和Spark集群上的资源配置信息的集合。在Spark中，应用程序通常以JAR包的形式提交到Spark集群中运行。

5. Task：任务，是Spark应用程序中最小的计算单元，是对RDD的一个分区进行操作的一段代码。每个Task都会被分配到一个Executor上运行。

6. Job：作业，是由一组相关的Task组成的，这些Task可以并行执行，且它们之间存在依赖关系。Spark应用程序中的每个Action操作都会生成一个Job。

7. Stage：阶段，是Spark作业中的一个任务划分单元，是由若干个Task组成的。Spark会将一个Job划分成多个Stage，以便进行并行计算。一个Stage中的所有Task都可以并行执行，但是它们之间存在着依赖关系。Spark将具有相同的计算依赖关系的Task划分为同一个Stage。