为什么第一阶段运行两次？

Question

我进行了火花结构化的流媒体作业，发现混乱的场景：

案例1：代码

val stus: Dataset[Student] = lines.as[String].map(s=>{val sp = s.split(" "); Student(sp(0).toInt, sp(1), sp(2).toInt)}).as("stus")
val stus1 = stus.map(s=>s).as("stus1")
val stus2 = stus.map(s=>s).as("stus2")
val summary = stus1.join(stus2, col("stus1.id") === col("stus2.id"))

案例1 DAG：

Case2代码

val stus: Dataset[Student] = lines.as[String].map(s=>{val sp = s.split(" "); Student(sp(0).toInt, sp(1), sp(2).toInt)}).as("stus")
val stus1 = stus.as("stus1")
val stus2 = stus.as("stus2")
val summary = stus1.join(stus2, col("stus1.id") === col("stus2.id"))

案例2 DAG：

我的问题：

（1）在Case1中，为什么第一阶段运行两次并且不重用同一数据集？

（2）在案例1中，结果显示stus1和stus2具有相同的内容。因此，它们来自同一数据集，但来自哪个数据集？为什么Spark使用非常原始的数据集？

谢谢！