DAG(Directed Acyclic Graph)叫做有向无环图，原始的RDD通过一系列的Transformation转换就形成了DAG。在spark中，RDD与RDD之间的转换关系称之为血缘；根据不同的Transformation算子，可以将血缘分为两类，窄依赖和宽依赖。
DAG是有边界的：开始（通过SparkContext创建的RDD），结束（触发Action，调用run Job就是一个完整的DAG就形成了，一旦触发Action就形成了一个完整的DAG），所以，一个DAG由一个或多个RDD组成。
RDD在进行Transformation算子转换(即父RDD生成子RDD的过程)，如果不手动改变子RDD的分区数量，新生成的子RDD的分区个数会与父RDD的分区数量保持一致。所以，当子RDD的各个分区的数据都来源于父RDD的一个分区(即：子RDD的一个分区数据只依赖父RDD的一个分区)时，这种血缘关系，称之为窄依赖；当子RDD的一个分区的数据来源于多个父RDD(这些父RDD的数据全部传递到一个分区)时，此时的血缘关系任然是窄依赖。这种窄依赖的事例：两个RDD先进行"groupByKey"操作，在进行"join"操作，并且在这些操作过程中，没有改变新生产的RDD的分区个数与分区器时，这样的"join"操作就是一个窄依赖操作，其他的"join"操作都是宽依赖。
当父RDD的一个分区的数据传递给子RDD(此过程为Shuffle)的多个分区(即：子RDD的多个分区依赖父RDD的一个分区)时，这种血缘关系，称之为宽依赖。在宽依赖处会发生Shuffle，他是切分Stage(调度阶段)的依据；在Shuffle前，会将数据写入到磁盘中，以方便子RDD各个分区来拉取。
宽依赖与窄依赖
