每一个数据单元RDD可以被切分成更小的数据块在不同的计算节点中处理，这样的数据块就是分区（patition）。在RDD DAG中，子RDD与父RDD存在依赖关系，由于父子RDD间进行转换的分区对应关系不同，RDD间的依赖分为两个类型：窄依赖和宽依赖。
下图矩形表示一个RDD，椭圆块表示一个分区：
- 窄依赖：父RDD的一个分区，在RDD转换过程中，最多只会被一个子RDD的分区使用，比如（a）中的map、union
- 宽依赖：父RDD的一个分区，在RDD转换过程中，被多个子RDD的分区使用，比如（b）中的groupByKey
窄依赖与宽依赖的区别
窄依赖：分区间是一对一的转换，可以在一个计算节点内进行。如果有多个这样的窄依赖，可以在一个节点内流水线般操作。如果分区间有多对一（多个父RDD分区对应一个子RDD分区）的窄依赖转换，可以在多个节点间并行执行，相互间没有影响。窄依赖的子RDD计算过程中某个分区出错了，只需要获得父RDD对应的分区即可恢复子RDD的这个分区；
宽依赖：宽依赖要依赖父RDD的所有分区数据，才能计算得到子RDD，这就必然会带来网络开销、中间结果存储等一系列开销较大的问题。对于计算出错的回复，代价远大于窄依赖；
由于窄依赖和宽依赖的差异，Spark将应用程序拆分为任务后，并不是直接将一个一个的转换操作对应的任务直接进行分配，而是加入了一个对任务进行规划的过程，将适合放在一起的任务合并到一个阶段中。
这一过程由DAGScheduler实例完成， 原则是：
如果子RDD到父RDD是窄依赖，就将多个算子操作一起处理，最后再进行一次统一的同步操作，既减少了大量的全局同步，又无需存储很多中间结果。
如果是宽依赖，则尽量切分到不同的阶段中，以避免过大的网络传输和计算开销。
为了达到这一目的，应用程序向Spark提交Job作业后，DAGScheduler会遍历RDD DAG。在遍历过程中，如果需要连续窄依赖RDD转换，则尽量多地放入同一个阶段中。如果遇到宽依赖，则生成一个新的阶段。
下图，A转换为B是一个宽依赖，生成了一个stage1，C转换为D，D、E转换为F都是窄依赖，同被放入stage2，B、F转换为G是宽依赖，又生成一个stage3.
通过这样的一个过程，DAGScheduler实现了将依赖链进行分割的操作。整个依赖链被划分为多个Stage阶段，每个Stage内都是一组相互关联，但是彼此之间没有shuffle依赖关系的任务集合，成为“任务集”（TaskSet）。每个TaskSet包含多个任务。
DAGScheduler会根据分区的个数，来具体确定会发生多少个任务。一个分区对应一个任务，同一个阶段的任务的执行是并行执行的。作业（Job）、阶段（Stage）、任务集（TaskSet）和任务（Task）之间的关系如下图所示：
DAGScheduler还维护了3个集合用以存储阶段的执行状态：
1.waitingStages集合：同RDD父子依赖关系一样，在一串相互依赖的Stage中，后续的Stage被称为子Stage，其依赖的Stage被称为父Stage。如果一个Stage的父Stage尚未完成，则waitingStages集合负责记录该子Stage；
2.runningStage集合：为了方式Stage的重复提交，runningStage集合中保存正在执行的Stage；
3.failedStage集合：保存了执行失败的Stage；
DAGScheduler会根据Stage的运行状态合理调度所有Stage提交到集群。DAGScheduler为每一个Stage分配一个StageID，用来表示Stage的优先级，StageID越小优先级越高。
DAGScheduler是反向遍历RDD依赖链的，因此，最后一个RDD生成的FinalStage的StageID最小，应该首先被提交。
以WordCount为例，Spark首先从RDD依赖链的最后一个RDD进行判断，当遍历到reduceByKey产生一个ShuffleRDD时，Spark对整个依赖链进行了一次分割，由于WordCount中只有一个宽依赖，因此最终DAGScheduler将WordCount分割成2个Stage。