大数据作为一门新兴的科技，其所包含的知识相对比较驳杂。所以学习起来并不像其他IT技术那么的统一，但是与其他IT技术一样的是学习过程都需要循序渐进、步步为营。大数据中的spark无疑是求学者学习的重点，所以，我们不妨从最基础的开始了解，充分了解spark的工作原理。
首先，关于 Spark基本工作原理，我们可以通过下图来理解程序入口的客户端、集群处理流程、读取数据的来源、最终计算结果何去何从等问题。
第一、客户端
客户端也就是专业们常说的Client端，这里的是表示我们在本地编写Spark程序，然后必须找一个能够连接Spark集群，并提交程序进行运行的机器。
第二、读取数据
在准备运行Spark程序的同时，是不是也要有数据来源进行处理的呢，这里我们介绍几种常见的读取数据来源，是Hadoop集群中的HDFS、Hive也有可能是搭建在集群上的HBase；还有MySQL等DB数据库；或者是在程序中我们设置的集合数据。
第三、Spark分布式集群：
Spark集群是一种分布式计算、是一种迭代式计算、是一种基于内存计算。分布式计算是Spark最基本的特征，计算时候数据会分布存放到各个集群节点，来并行分布式计算。如图的第一个操作map，是对于节点1、2、3上面的数据进行map算子操作，处理后的数据可能会转移到其他节点的内存中，这里假设到了4、5、6节点，处理后的数据有可能多或是变少，这个需要看我们具体的处理方式。第二个操作reduce，是将map处理后的数据再次进行处理。这也就得到Spark是一种迭代式计算模型，一次计算逻辑中可以分为N个阶段，上一个阶段结果数据成为了下一个阶段的输入数据，这样就不只是想mapreduce计算一样了，只有两个阶段map和reduce，就结束一个job的运行，必须得落地到HDFS。而Spark在各个阶段计算转换中一直保持基于内存迭代式计算，所以Spark相对于MapReduce来说计算模型可以提供更加强大的计算逻辑功能。
第四、结果数据输出：
这里我们只简单的罗列几个输出方式，基于Hadoop的HDFS、Hive或是HBase；MySQL等DB数据；或是直接输出返回给客户端。
对于spark的简答讲解就分析到这里，下面我们不妨给众多求学者一个学习的建议，通过以下几个简单的步骤，或许能够让你更加快速的学懂spark。
第一阶段：熟练的掌握Scala语言
第二阶段：精通Spark平台本身提供给开发者API
第三阶段：深入Spark内核。通过源码掌握Spark的任务提交过程;掌握Spark集群的任务调度
第四阶级:掌握基于Spark上的核心框架的使用
第五阶级:做商业级别的Spark项目
大数据的快速发展正在影响着社会中的各个场景，而且，大数据在企业中所创造的价值越来越多，我们不难发现未来大数据领域的人才稀缺程度还将不断加剧，所以，如果你想要赶上这个DT时代，不妨从现在开始学习。