大数据计算阶段
Stage 是什么？
遇到 shuffle 就被切开，一个 Stage 内部可以流水线执行
类比：接力赛的分段，交棒（shuffle）处必须等所有人都到齐
Stage 的边界
宽依赖是分界线：shuffle 之前的数据必须先全部写完，shuffle 之后的 Task 才能开始拉取。所以一个 Stage 内的 Task 可以并行流水，跨 Stage 必须等上一段全部完成。
Task 数量怎么来的
Stage 的 Task 数 = 输入 RDD 的分区数。读 HDFS 时按 block 切（128MB 一个分区），shuffle 后按 `spark.sql.shuffle.partitions`（默认 200）切。分区数太少会倾斜，太多会调度开销大。
看懂 Spark UI
Spark UI 里每个 Stage 一条横条，长度是耗时。如果某个 Stage 明显长于其他，先看它的 Task 耗时分布：均匀地慢是数据量大，少数几个特别慢就是数据倾斜。