spark中什么是宽依赖，什么是窄依赖？哪些算子是宽依赖，哪些是窄依赖？

在Spark中，宽依赖和窄依赖是指RDD之间的依赖关系。宽依赖意味着一个父RDD分区的数据被多个子RDD的分区所使用，而窄依赖意味着每个父RDD分区的数据仅被一个子RDD的分区所使用。

窄依赖的算子有：map、filter、union、distinct、groupByKey、reduceByKey、combineByKey、flatMap、mapPartitions、mapPartitionsWithIndex等。

宽依赖的算子有：cogroup、groupWith、join、leftOuterJoin、rightOuterJoin、fullOuterJoin、sortByKey、partitionBy等。

在计算过程中，窄依赖的RDD可以通过并行计算来提高计算效率，而宽依赖的RDD需要进行数据的shuffle，因此计算效率较低。因此，为了提高Spark应用的性能，应该尽量使用窄依赖的算子。