我正在学习Spark并试图理解，例如，为什么iSpark会做以下事情：
我在Spark中有三个主要的事情，一个接一个，让我们称之为处理器。所有这些都不依赖于彼此。 1.打开.csv文件，执行一些处理和计算，例如分组，查找均值，中位数等。（ProcessorOne） 2.打开另一个.csv文件，执行不同的处理。（ProcessorTwo） 3.打开第三个文件，执行另一个计算。（ProcessorThree）
我希望Spark能够在完成第一个之后启动ProcessorTwo。 但是在日志输出中，我看到第3部分，第2部分，第1部分混合的声明。 例如，我可以看到它在ProcessorThree中提交任务，但我还没有看到ProcessorOne的结果。
18/04/17 15:03:56 INFO scheduler.DAGScheduler: Submitting 31 missing tasks from Stage 6 (MapPartitionsRDD[17] at mapToPair at ProcessorThree.java:99)
最初，我想，它应该首先完成ProcessorOne。
我想，在完成ProcessorOne后，它将分配内存来读取ProcessorTwo中的文件，并释放内存。这是否意味着它首先为所有处理器分配内存？ 为什么它对我很重要当我在小数据集上运行我的应用时 - 没关系。但是当我增加每个处理器使用的数据量时，它开始放慢速度并永远完成我的应用程序。