我们首先知道Spark的基本执行流程，简化来说，当提交一个Spark程序，HDFS上的每个Block对应一个分区、一个Task任务，这个Task任务就是在跑我们开发是Spark程序，程序中是我们使用的一个个算子。
在算子中，又可以划分成为两种，一种是宽依赖、一种是窄依赖，它们和stage的关系就是宽依赖是划分stage的边界，窄依赖并不会划分stage。
那么为什么需要stage这个概念呢？因为在宽依赖的时候需要去shuffle，向磁盘读写数据，这个过程相比较来说很慢，所以在这里划分stage这个概念。
宽依赖为什么需要shuffle？宽依赖究竟是什么？
如图所示，在stage1中，map操作中一个子分区对应一个父分区，这种操作在自身的分区内能够完成，无需shuffle，所以它是一个窄依赖。而在后面groubykey操作的时候，每一个子分区依赖多个父分区，也就意味着子分区的结果需要多个父分区的集合，这就涉及到分区数据的合并，就需要shuffle，那么这里就是一个划分stage的边界。
