原文所在链接：Spark
Spark
简而言之，Spark是GATK4用来实现多线程的一种软件，是一种允许一台计算机(或计算机集群)尽快完成任务的并行化形式。你可以在这里阅读有关GATK中多线程、并行性的更多信息。
Spark软件库是开源的，由Apache Software Foundation维护。在计算机行业中，Spark应用非常广泛，是加速分析流程执行速度的最有前景的技术之一。
不是所有的GATK工具都使用Spark
那些可以使用Spark的工具，通常会在他们各自的工具文档中注明使用Spark的效果。
-->一些GATK工具存在支持Spark环境、不支持Spark环境的不同版本
对于“sparkified”版本，在他们的名称末尾会带有后缀“Spark”。
这些版本中的许多部分仍是实验性的，我们计划整合他们，以便每个工具只有一个版本。
-->一些GATK工具只存在支持Spark的版本中
这些工具的名称中没有"Spark"后缀。
你不需要Spark集群来运行支持Spark的GATK工具
如果你正在使用多核CPU的“普通”计算机(即使只是一台笔记本电脑)，GATK引擎仍然可以使用Spark来创建虚拟独立集群，并将这个集群部署支持多核CPU的机器上，利用机器的多核可用这一特性。（所用CPU核数可以由你来指定，也可以将全部可用的CPU均分配使用起来）。请参阅下面给出的示例参数、本地Spark教程来获取有关如何控制CPU核数选择的更多信息。如果你的机器只有一个核，这些工具可以始终以单核的模式运行--只是，他们需要花费更长的时间才能完成同等的工作。
需要清楚的一点是，虽然只支持Spark环境下运行的工具可以在常规机器上运行，但实际上，他们中的一些可能会运行地非常慢（SV 工具和PathSeq）。有关特定工具的说明，请参阅工具文档。
如果你有权访问Spark集群，只支持Spark环境下运行的工具将会非常开心，但是你可能需要提供一些额外的参数才能有效地使用他们。有关更多信息，请参阅cluster-Spark教程。
示例命令行参数
以下是一些示例参数，你将需要为支持Spark的GATK工具设定的：
--sparkMaster local[*] //使用所有核心在本地机器上运行
--sparkMaster local[2] //使用两个核心在本地机器上运行
--sparkMaster spark://23.195.26.187:7077 //在集群23.195.26.187的端口7077处运行
--sparkRunner GCS --cluster my_cluster //在Google Dataproc的my_cluster上运行
不需要安装任何其他的软件就可以在GATK中使用Spark
所有使用Spark时，无论是在本地计算机还是一个Spark集群上使用Spark，所必须的软件都捆绑在了GATK本身内。只要确保使用gatk包装器调用GATK，而不是直接调用jar包就可以调用的，因为包装器会选择合适的jar文件(这里有两个！)，并且会为你设置一些参数。