大数据计算Narrow / Wide Dependency
宽窄依赖 是什么？
窄依赖一个分区只依赖一个父分区，宽依赖要等所有父分区
类比：一对一交接班是窄依赖，全员到齐才能开会是宽依赖
窄依赖
map、filter、union、mapPartitions 都是窄依赖：父 RDD 的每个分区只被一个子分区使用。这种关系可以流水线执行，一个分区算完直接往下传，不需要等别人，也不需要落盘。
宽依赖
groupByKey、reduceByKey、join（非 broadcast）是宽依赖：子分区的数据来自所有父分区。必须等父 Stage 全部写完，才能开始 shuffle read，这就是 Stage 被切开的原因。
容错上的差别
窄依赖丢了一个分区，只需要重算对应的那个父分区；宽依赖丢了一个分区，可能要重算所有父分区。所以宽依赖的失败恢复代价高得多，也是“尽量少 shuffle”的另一个原因。